ScholarGate
Assistent
Machine learningTime-series forecasting

TSMixer: All-MLP-arkitektur for tidsserieprognoser

TSMixer er en multivariat tidsserieprognosemodell introdusert av Si-An Chen og kolleger ved Google i 2023. Den utfordrer den rådende dominansen til Transformer-baserte arkitekturer ved å demonstrere at en enkel stabel av interleaved MLP-lag — som veksler mellom miksing langs tidsaksen og miksing på tvers av funksjonskanaler — oppnår sterk prognosenøyaktighet, samtidig som den forblir beregningsmessig effektiv og enkel å tolke arkitektonisk.

Åpne i MethodMindSnartVideoSnartDownload slides

Les hele metoden

Kun for medlemmer

Logg inn med en gratis konto for å lese denne delen.

Logg inn

Method map

The neighbourhood of related methods — select a node to explore.

Kilder

  1. 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

Slik siterer du denne siden

ScholarGate. (2026, June 2). TSMixer (All-MLP Architecture for Forecasting). ScholarGate. https://scholargate.app/no/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.

Compare side by side

Referert av

ScholarGateTSMixer (TSMixer (All-MLP Architecture for Forecasting)). Hentet 2026-06-15 fra https://scholargate.app/no/deep-learning/tsmixer · Datasett: https://doi.org/10.5281/zenodo.20539026