TimeMixer: Amestecare Descompunibilă Multiscală pentru Prognoza Seriilor de Timp
TimeMixer este o arhitectură de prognoză a seriilor de timp bazată pe descompunere, fără mecanisme de atenție, introdusă de Wang et al. la ICLR 2024. Ideea centrală este de a decupla componentele sezoniere și de trend pe multiple scale temporale construite prin agregare medie (average pooling), apoi de a amesteca informația între aceste scale folosind blocuri MLP ușoare. Prin gestionarea separată a rezoluțiilor grosiere (dominante pe trend) și fine (dominante pe sezonalitate), și prin combinarea predicțiilor acestora, TimeMixer evită costul pătratic al atenției, capturând în același timp pattern-uri temporale locale și globale.
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
- Wang, S., Wu, H., Shi, X., Hu, T., Luo, H., Ma, L., Zhang, J. Y., & Zhou, J. (2024). TimeMixer: Decomposable multiscale mixing for time series forecasting. ICLR. link ↗
Cum se citează această pagină
ScholarGate. (2026, June 2). TimeMixer (Decomposable Multiscale Mixing). ScholarGate. https://scholargate.app/ro/deep-learning/timemixer
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: Model Linear de Descompunere pentru Prognoza Seriilor de TimpÎnvățare profundă↔ compare
- TimesNet: Modelare a Variației Temporale 2D pentru Serii de TimpÎnvățare 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 →