LightTS: Licht Sampling-georiënteerde MLP voor Multivariabele Tijdreeksvoorspelling
LightTS is een lichtgewicht, MLP-gebaseerde architectuur voor multivariabele tijdreeksvoorspelling, geïntroduceerd door Tianping Zhang en collega's in 2022. Gemotiveerd door de observatie dat eenvoudigere modellen zware Transformer-gebaseerde architecturen kunnen evenaren of overtreffen, past LightTS een interval-samplingstrategie toe om lange inputsequenties te ontleden in meerdere sub-sequenties en verwerkt elk met compacte Chunk-MLP en Continuous-MLP modules. Het ontwerp geeft prioriteit aan computationele efficiëntie met behoud van zowel lokale als globale temporele patronen.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- Zhang, T., Zhang, Y., Cao, W., Bian, J., Yi, X., Zheng, S., & Li, J. (2022). Less is more: Fast multivariate time series forecasting with light sampling-oriented MLP structures. arXiv preprint. link ↗
Deze pagina citeren
ScholarGate. (2026, June 2). LightTS (Light Sampling-oriented MLP). ScholarGate. https://scholargate.app/nl/deep-learning/lightts
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.
- DLinear: Decomposition Linear Model voor TijdreeksvoorspellingDeep learning↔ compare
- Multilayer Perceptron (MLP)Deep learning↔ compare
- TSMixer: Volledig MLP-architectuur voor tijdreeksvoorspellingDeep learning↔ compare
Een fout op deze pagina gezien? Meld het of stel een correctie voor →