DLinear: Dekompozicioni linearni model za prognoziranje vremenskih serija
DLinear je lagani model za prognoziranje vremenskih serija koji su uveli Zeng et al. na AAAI 2023. On osporava preovlađujuću pretpostavku da su arhitekture zasnovane na Transformerima neophodne za tačno prognoziranje na dugim horizontima. Model dekomponuje ulaznu sekvencu na komponente trenda i sezonsku komponentu koristeći filter pokretnog proseka, a zatim primenjuje zasebne jednoslojne linearne transformacije na svaku komponentu pre nego što sumira njihove izlaze kako bi proizveo konačnu prognozu.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- Zeng, A., Chen, M., Zhang, L., & Xu, Q. (2023). Are transformers effective for time series forecasting? AAAI. link ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 2). DLinear (Decomposition Linear Model for Forecasting). ScholarGate. https://scholargate.app/sr/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)Ekonometrija↔ compare
- PatchTSTDuboko učenje↔ compare
- TSMixerDuboko učenje↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →