ScholarGate
Assistente
Machine learningTime-series forecasting

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.

Abrir no MethodMindEm breveVídeoEm breveDownload slides

Leia o método completo

Exclusivo para membros

Entre com uma conta gratuita para ler esta seção.

Entrar

Method map

The neighbourhood of related methods — select a node to explore.

Fontes

  1. 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.

Compare side by side

Referenciado por

ScholarGateDLinear (DLinear (Decomposition Linear Model for Forecasting)). Recuperado em 2026-06-15 de https://scholargate.app/pt/deep-learning/dlinear · Conjunto de dados: https://doi.org/10.5281/zenodo.20539026