DLinear: Dekompozičný lineárny model pre predikciu časových radov
DLinear je ľahký model na predikciu časových radov, ktorý predstavili Zeng et al. na konferencii AAAI 2023. Spochybňuje prevládajúci predpoklad, že architektúry založené na Transformeroch sú nevyhnutné pre presné predikcie na dlhé obdobie. Model dekomponuje vstupnú sekvenciu na trendovú a sezónnu zložku pomocou filtra klzavého priemeru, potom aplikuje samostatné jednovrstvové lineárne transformácie na každú zložku pred sčítaním ich výstupov na produkciu konečnej predikcie.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Zeng, A., Chen, M., Zhang, L., & Xu, Q. (2023). Are transformers effective for time series forecasting? AAAI. link ↗
Ako citovať túto stránku
ScholarGate. (2026, June 2). DLinear (Decomposition Linear Model for Forecasting). ScholarGate. https://scholargate.app/sk/deep-learning/dlinear
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.
- Model ARIMA (Autoregressive Integrated Moving Average)Ekonometria↔ compare
- PatchTSTHlboké učenie↔ compare
- TSMixer: Čisto MLP architektúra pre predikciu časových radovHlboké učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →