DLinear: Dekomponerende lineær modell for tidsserieprognoser
DLinear er en lettvektsmodell for tidsserieprognoser introdusert av Zeng et al. på AAAI 2023. Den utfordrer den rådende antakelsen om at Transformer-baserte arkitekturer er nødvendige for nøyaktig langtidsprognostisering. Modellen dekomponerer en inngangssekvens i trend- og sesongkomponenter ved hjelp av et glidende gjennomsnittsfilter, og anvender deretter separate enkeltlags lineære transformasjoner på hver komponent før den summerer utgangene deres for å produsere den endelige prognosen.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Zeng, A., Chen, M., Zhang, L., & Xu, Q. (2023). Are transformers effective for time series forecasting? AAAI. link ↗
Slik siterer du denne siden
ScholarGate. (2026, June 2). DLinear (Decomposition Linear Model for Forecasting). ScholarGate. https://scholargate.app/no/deep-learning/dlinear
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.
- ARIMA (Autoregressive Integrated Moving Average) ModellØkonometri↔ compare
- PatchTSTDyp læring↔ compare
- TSMixer: All-MLP-arkitektur for tidsserieprognoserDyp læring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →