DLinear: Model Linear de Descompunere pentru Prognoza Seriilor de Timp
DLinear este un model ușor pentru prognoza seriilor de timp, introdus de Zeng et al. la AAAI 2023. Acesta contestă presupunerea predominantă conform căreia arhitecturile bazate pe Transformer sunt necesare pentru prognoza de lungă durată cu precizie ridicată. Modelul descompune o secvență de intrare în componente de trend și sezoniere utilizând un filtru de medie mobilă, apoi aplică transformări liniare separate cu un singur strat fiecărei componente înainte de a însuma ieșirile acestora pentru a produce prognoza finală.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- Zeng, A., Chen, M., Zhang, L., & Xu, Q. (2023). Are transformers effective for time series forecasting? AAAI. link ↗
Cum se citează această pagină
ScholarGate. (2026, June 2). DLinear (Decomposition Linear Model for Forecasting). ScholarGate. https://scholargate.app/ro/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.
- Modelul ARIMA (Autoregresiv Integrat cu Medii Mobile)Econometrie↔ compare
- PatchTSTÎnvățare profundă↔ compare
- TSMixer: Arhitectură integral MLP pentru prognoza seriilor de timpÎnvățare profundă↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →