N-BEATS
N-BEATS é uma arquitetura de aprendizado profundo para previsão de séries temporais, introduzida por Oreshkin e colegas em 2020, construída a partir de pilhas interpretáveis de tendência e sazonalidade. Foi o primeiro modelo de previsão puramente neural a atingir desempenho de ponta na competição M4 sem depender de quaisquer componentes estatísticos clássicos.
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
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 1). N-BEATS (Neural Basis Expansion Analysis for Interpretable Time Series Forecasting). ScholarGate. https://scholargate.app/pt/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.
- Modelo ARIMA (Autoregressive Integrated Moving Average)Econometria↔ compare
- DeepARAprendizado profundo↔ compare
- InformerAprendizado profundo↔ compare
- Random ForestAprendizado de máquina↔ compare
- O Transformador de Fusão TemporalAprendizado profundo↔ compare
Encontrou um problema nesta página? Relate ou sugira uma correção →