Machine learningTime-series forecasting

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.

Deschide în MethodMindÎn curândVideoÎn curândDownload slides

Citește metoda completă

Doar pentru membri

Autentifică-te cu un cont gratuit pentru a citi această secțiune.

Autentificare

Method map

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

Surse

  1. 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.

Compare side by side

Citat de

ScholarGateDLinear (DLinear (Decomposition Linear Model for Forecasting)). Preluat la 2026-06-15 de pe https://scholargate.app/ro/deep-learning/dlinear · Set de date: https://doi.org/10.5281/zenodo.20539026