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.
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
- 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.
- DLinear: Dekomponerende lineær modell for tidsserieprognoserDyp læring↔ compare
- Flerlagsperseptron (MLP)Dyp læring↔ compare
- TimeMixer: Dekomponerbar multiskala-miksing for tidsserieprognoserDyp læring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →