TimesNet: Моделирование временных двумерных вариаций для временных рядов
TimesNet — это универсальная модель временных рядов, представленная Ву и др. на конференции ICLR 2023. Ее центральная идея заключается в том, что унивариантные или мультивариативные временные ряды могут быть переосмыслены как коллекции двумерных временных карт путем изменения формы 1D-сигнала в соответствии с его доминирующими периодичностями, обнаруженными с помощью быстрой преобразования Фурье (БПФ). Это преобразование из 1D в 2D выявляет как внутрипериодные закономерности (в пределах одного цикла), так и межпериодные тренды (между циклами), что позволяет мощным 2D сверточным архитектурам моделировать временные вариации.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 2). TimesNet (Temporal 2D-Variation Modeling). ScholarGate. https://scholargate.app/ru/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.
- AutoformerГлубокое обучение↔ compare
- PatchTSTГлубокое обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →