ScholarGate
Ассистент
Machine learningTime-series forecasting

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.

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.

Источники

  1. 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.

Compare side by side

Упоминается в

ScholarGateTSMixer (TSMixer (All-MLP Architecture for Forecasting)). Получено 2026-06-15 из https://scholargate.app/ru/deep-learning/tsmixer · Набор данных: https://doi.org/10.5281/zenodo.20539026