TSMixer: Архитектура на основе многослойных перцептронов (MLP) для прогнозирования временных рядов
TSMixer — это модель прогнозирования многомерных временных рядов, представленная Си-Аном Ченом и его коллегами из Google в 2023 году. Она оспаривает доминирование архитектур на основе трансформеров, демонстрируя, что простой стек чередующихся слоев MLP — попеременно смешивающих данные по временной оси и по каналам признаков — достигает высокой точности прогнозирования, оставаясь при этом вычислительно эффективной и простой в архитектурном плане.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- Chen, S.-A., Li, C.-L., Yoder, N., Arik, S. O., & Pfister, T. (2023). TSMixer: An all-MLP architecture for time series forecasting. Transactions on Machine Learning Research. link ↗
Как цитировать эту страницу
ScholarGate. (2026, June 2). TSMixer (All-MLP Architecture for Forecasting). ScholarGate. https://scholargate.app/ru/deep-learning/tsmixer
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.
- DLinearГлубокое обучение↔ compare
- Многослойный перцептрон (MLP)Глубокое обучение↔ compare
- TimeMixerГлубокое обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →