N-HiTS
N-HiTS (Neural Hierarchical Interpolation for Time Series Forecasting), introduzido por Challu e colegas em 2023, é uma arquitetura de previsão neural profunda que combina as previsões hierárquicas de múltiplas "pilhas" (stacks) operando em diferentes taxas de amostragem e as mescla através de interpolação. Ele estende o N-BEATS para oferecer uma precisão marcadamente melhor em horizontes de previsão longos.
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
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 1). Neural Hierarchical Interpolation for Time Series Forecasting. ScholarGate. https://scholargate.app/pt/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.
- Modelo ARIMA (Autoregressive Integrated Moving Average)Econometria↔ compare
- PatchTSTAprendizado profundo↔ compare
- Random ForestAprendizado de máquina↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →