N-BEATS
N-BEATS er en dyp læringsarkitektur for tidsserieprognoser, introdusert av Oreshkin og kolleger i 2020, bygget opp av tolkbare trend- og sesongkomponenter. Det var den første rent nevrale prognosemodellen som oppnådde toppmoderne ytelse i M4-konkurransen uten å basere seg på klassiske statistiske komponenter.
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
- Oreshkin, B.N. et al. (2020). N-BEATS: Neural Basis Expansion Analysis for Interpretable Time Series Forecasting. ICLR. link ↗
- Makridakis, S., Spiliotis, E. & Assimakopoulos, V. (2020). The M4 Competition: 100,000 Time Series and 61 Forecasting Methods. International Journal of Forecasting, 36(1), 54–74. DOI: 10.1016/j.ijforecast.2019.04.014 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 1). N-BEATS (Neural Basis Expansion Analysis for Interpretable Time Series Forecasting). ScholarGate. https://scholargate.app/no/deep-learning/nbeats
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
- DeepARDyp læring↔ compare
- InformerDyp læring↔ compare
- Random ForestMaskinlæring↔ compare
- Tidsmessig fusjonstransformatorDyp læring↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →