TimeMixer: Decompozicija i multiskalno mešanje za prognozu vremenskih serija
TimeMixer je arhitektura za prognozu vremenskih serija zasnovana na dekompoziciji, bez mehanizma pažnje (attention-free), koju su uveli Wang i saradnici na ICLR 2024. Ključna ideja je razdvajanje sezonskih i trend komponenti na više vremenskih skala konstruisanih prosečnim grupisanje (average pooling), a zatim mešanje informacija preko tih skala korišćenjem lakih MLP blokova. Rukujući odvojenim grubim (dominantnim trendom) i finim (dominantnom sezonalnošću) rezolucijama i kombinujući njihove prognoze, TimeMixer izbegava kvadratnu cenu pažnje, istovremeno hvatajući lokalne i globalne vremenske obrasce.
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
- Wang, S., Wu, H., Shi, X., Hu, T., Luo, H., Ma, L., Zhang, J. Y., & Zhou, J. (2024). TimeMixer: Decomposable multiscale mixing for time series forecasting. ICLR. link ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 2). TimeMixer (Decomposable Multiscale Mixing). ScholarGate. https://scholargate.app/sr/deep-learning/timemixer
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.
- DLinear: Dekompozicioni linearni model za prognoziranje vremenskih serijaDuboko učenje↔ compare
- TimesNetDuboko učenje↔ compare
- TSMixerDuboko učenje↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →