TimesNet: Modelare a Variației Temporale 2D pentru Serii de Timp
TimesNet este un model de serii de timp cu scop general, introdus de Wu et al. la ICLR 2023. Ideea sa centrală este că seriile de timp univariate sau multivariate pot fi reinterpretate ca colecții de hărți temporale bidimensionale prin reconfigurarea semnalului 1D în funcție de periodicitățile sale dominante, detectate prin Transformata Fourier Rapidă (FFT). Această transformare 1D-la-2D expune atât tipare intra-periodice (în cadrul unui ciclu), cât și tendințe inter-periodice (peste cicluri), permițând arhitecturilor convoluționale 2D puternice să modeleze variația temporală.
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
- Wu, H., Hu, T., Liu, Y., Zhou, H., Wang, J., & Long, M. (2023). TimesNet: Temporal 2D-variation modeling for general time series analysis. ICLR. link ↗
Cum se citează această pagină
ScholarGate. (2026, June 2). TimesNet (Temporal 2D-Variation Modeling). ScholarGate. https://scholargate.app/ro/deep-learning/timesnet
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.
- AutoformerÎnvățare profundă↔ compare
- PatchTSTÎnvățare profundă↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →