DLinear: Modelo Linear de Decomposição para Previsão de Séries Temporais
DLinear é um modelo leve de previsão de séries temporais introduzido por Zeng et al. na AAAI 2023. Ele desafia a suposição predominante de que arquiteturas baseadas em Transformer são necessárias para previsões de longo horizonte precisas. O modelo decompõe uma sequência de entrada em componentes de tendência e sazonais usando um filtro de média móvel, então aplica transformações lineares de camada única separadas a cada componente antes de somar suas saídas para produzir a previsão final.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- Zeng, A., Chen, M., Zhang, L., & Xu, Q. (2023). Are transformers effective for time series forecasting? AAAI. link ↗
Como citar esta página
ScholarGate. (2026, June 2). DLinear (Decomposition Linear Model for Forecasting). ScholarGate. https://scholargate.app/pt/deep-learning/dlinear
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.
- Modelo ARIMA (Autoregressive Integrated Moving Average)Econometria↔ compare
- PatchTSTAprendizado profundo↔ compare
- TSMixer: Arquitetura Totalmente MLP para Previsão de Séries TemporaisAprendizado profundo↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →