TSMixer: Arquitetura Totalmente MLP para Previsão de Séries Temporais
TSMixer é um modelo de previsão multivariada de séries temporais introduzido por Si-An Chen e colegas do Google em 2023. Ele desafia o domínio predominante das arquiteturas baseadas em Transformer, demonstrando que uma simples pilha de camadas MLP intercaladas — alternando entre mistura ao longo do eixo temporal e mistura através de canais de características — alcança forte precisão de previsão, ao mesmo tempo que permanece computacionalmente eficiente e fácil de interpretar arquiteturalmente.
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
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 2). TSMixer (All-MLP Architecture for Forecasting). ScholarGate. https://scholargate.app/pt/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: Modelo Linear de Decomposição para Previsão de Séries TemporaisAprendizado profundo↔ compare
- Perceptron Multicamada (MLP)Aprendizado profundo↔ compare
- TimeMixer: Mistura Multiescala Decomponível para Previsão de Séries TemporaisAprendizado profundo↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →