N-HiTS
N-HiTS (Neural Hierarchical Interpolation for Time Series Forecasting), introdusert av Challu og kolleger i 2023, er en dyp nevral prognosearkitektur som kombinerer hierarkiske prognoser fra flere stakker som opererer med ulike samplingsrater, og slår dem sammen gjennom interpolering. Den utvider N-BEATS for å gi markant bedre nøyaktighet på lange prognosehorisonter.
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
- Challu, C. et al. (2023). NHITS: Neural Hierarchical Interpolation for Time Series Forecasting. AAAI. DOI: 10.1609/aaai.v37i6.25854 ↗
- Oreshkin, B.N. et al. (2020). N-BEATS: Neural Basis Expansion Analysis for Interpretable Time Series Forecasting. ICLR. arXiv: 1905.10437 link ↗
Slik siterer du denne siden
ScholarGate. (2026, June 1). Neural Hierarchical Interpolation for Time Series Forecasting. ScholarGate. https://scholargate.app/no/deep-learning/nhits
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
- Random ForestMaskinlæring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →