N-HiTS
N-HiTS (Neural Hierarchical Interpolation for Time Series Forecasting), wprowadzony przez Challu i współpracowników w 2023 roku, to głęboka neuronowa architektura prognozowania, która łączy prognozy hierarchiczne wielu stosów działających z różnymi częstotliwościami próbkowania i łączy je poprzez interpolację. Rozszerza ona N-BEATS, aby zapewnić znacznie lepszą dokładność na długich horyzontach prognozowania.
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
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 1). Neural Hierarchical Interpolation for Time Series Forecasting. ScholarGate. https://scholargate.app/pl/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.
- Model ARIMA (Autoregressive Integrated Moving Average)Ekonometria↔ compare
- PatchTSTUczenie głębokie↔ compare
- Random ForestUczenie maszynowe↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →