ScholarGate
Pembantu
Machine learningTime-series forecasting

TSMixer: Seni Bina Semua-MLP untuk Ramalan Deret Masa

TSMixer ialah model ramalan deret masa multivariat yang diperkenalkan oleh Si-An Chen dan rakan-rakannya di Google pada tahun 2023. Ia mencabar dominasi seni bina berasaskan Transformer yang lazim dengan menunjukkan bahawa timbunan ringkas lapisan MLP berselang-seli — bersilih ganti antara pencampuran di sepanjang paksi masa dan pencampuran merentasi saluran ciri — mencapai ketepatan ramalan yang kukuh sambil kekal cekap dari segi pengiraan dan mudah ditafsirkan dari segi seni bina.

Buka dalam MethodMindTidak lama lagiVideoTidak lama lagiDownload slides

Baca kaedah sepenuhnya

Ahli sahaja

Log masuk dengan akaun percuma untuk membaca bahagian ini.

Log masuk

Method map

The neighbourhood of related methods — select a node to explore.

Sumber

  1. Chen, S.-A., Li, C.-L., Yoder, N., Arik, S. O., & Pfister, T. (2023). TSMixer: An all-MLP architecture for time series forecasting. Transactions on Machine Learning Research. link

Cara memetik halaman ini

ScholarGate. (2026, June 2). TSMixer (All-MLP Architecture for Forecasting). ScholarGate. https://scholargate.app/ms/deep-learning/tsmixer

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

Dirujuk oleh

ScholarGateTSMixer (TSMixer (All-MLP Architecture for Forecasting)). Dicapai 2026-06-15 daripada https://scholargate.app/ms/deep-learning/tsmixer · Set data: https://doi.org/10.5281/zenodo.20539026