Machine learningTime-series forecasting

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.

Открыть в MethodMindСкороВидеоСкороDownload slides

Читать метод полностью

Только для участников

Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.

Войти

Method map

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

TimesNet: Моделирование временных двумерных вариаций для временных рядов
AutoformerPatchTSTMICNSCINetTimeMixer

Источники

  1. 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.

Compare side by side

Упоминается в

ScholarGateTimesNet (TimesNet (Temporal 2D-Variation Modeling)). Получено 2026-06-15 из https://scholargate.app/ru/deep-learning/timesnet · Набор данных: https://doi.org/10.5281/zenodo.20539026