DLinear: Model Linear për Parashikimin e Vargjeve Kohore bazuar në Dekompozim
DLinear është një model i lehtë për parashikimin e vargjeve kohore, prezantuar nga Zeng et al. në AAAI 2023. Ai sfidon supozimin mbizotërues se arkitekturave të bazuara në Transformer u nevojitet për parashikime me horizont të gjatë. Modeli dekompozon një varg hyrës në komponentë trendi dhe sezonal duke përdorur një filtër mesatareje lëvizëse, pastaj zbaton transformime lineare të veçanta me një shtresë te secili komponent para se të mbledhë rezultatet e tyre për të prodhuar parashikimin përfundimtar.
Lexoni metodën e plotë
Hyni me një llogari falas për ta lexuar këtë seksion.
Method map
The neighbourhood of related methods — select a node to explore.
Burimet
- Zeng, A., Chen, M., Zhang, L., & Xu, Q. (2023). Are transformers effective for time series forecasting? AAAI. link ↗
Si ta citoni këtë faqe
ScholarGate. (2026, June 2). DLinear (Decomposition Linear Model for Forecasting). ScholarGate. https://scholargate.app/sq/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)Ekonometri↔ compare
- PatchTSTMësimi i thellë↔ compare
- TSMixer: Arkitekturë e plotë MLP për parashikimin e serive kohoreMësimi i thellë↔ compare
Cituar nga
Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →