TSMixer: Architektura All-MLP do prognozowania szeregów czasowych
TSMixer to wielowymiarowy model prognozowania szeregów czasowych wprowadzony przez Si-An Chena i współpracowników z Google w 2023 roku. Kwestionuje on dominację architektur opartych na Transformerach, demonstrując, że prosta sekwencja przeplatających się warstw MLP — naprzemiennie mieszających wzdłuż osi czasu i między kanałami cech — osiąga silną dokładność prognozowania, pozostając jednocześnie wydajnym obliczeniowo i łatwym do interpretacji architektonicznie.
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
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 2). TSMixer (All-MLP Architecture for Forecasting). ScholarGate. https://scholargate.app/pl/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: Model dekompozycji liniowej do prognozowania szeregów czasowychUczenie głębokie↔ compare
- Perceptron wielowarstwowy (MLP)Uczenie głębokie↔ compare
- TimeMixerUczenie głębokie↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →