N-BEATS
N-BEATS to architektura głębokiego uczenia do prognozowania szeregów czasowych, wprowadzona przez Oreshkina i współpracowników w 2020 roku, zbudowana z interpretabilnych stosów trendu i sezonowości. Był to pierwszy czysto neuronowy model prognozowania, który osiągnął stan wiedzy (state-of-the-art) w konkursie M4, nie polegając na żadnych klasycznych komponentach statystycznych.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 1). N-BEATS (Neural Basis Expansion Analysis for Interpretable Time Series Forecasting). ScholarGate. https://scholargate.app/pl/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.
- Model ARIMA (Autoregressive Integrated Moving Average)Ekonometria↔ compare
- DeepARUczenie głębokie↔ compare
- InformerUczenie głębokie↔ compare
- Random ForestUczenie maszynowe↔ compare
- Temporal Fusion TransformerUczenie głębokie↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →