TSMixer: Volledig MLP-architectuur voor tijdreeksvoorspelling
TSMixer is een multivariabel tijdreeksvoorspellingsmodel geïntroduceerd door Si-An Chen en collega's bij Google in 2023. Het daagt de heersende dominantie van op Transformer gebaseerde architecturen uit door aan te tonen dat een eenvoudige stapel van afwisselende MLP-lagen — afwisselend mengen langs de tijdas en mengen over kanaaldimensies — sterke voorspellingsnauwkeurigheid bereikt, terwijl het computationeel efficiënt en architecturaal eenvoudig te interpreteren blijft.
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
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 2). TSMixer (All-MLP Architecture for Forecasting). ScholarGate. https://scholargate.app/nl/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.
- DLinear: Decomposition Linear Model voor TijdreeksvoorspellingDeep learning↔ compare
- Multilayer Perceptron (MLP)Deep learning↔ compare
- TimeMixer: Decomposeerbare Multiscale Vermenging voor TijdreeksvoorspellingDeep learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →