LightTS: Lättvikts-MLP med samplingsstrategi för multivariat tidsserieprognostisering
LightTS är en lättviktig, MLP-baserad arkitektur för multivariat tidsserieprognostisering som introducerades av Tianping Zhang och kollegor 2022. Motiverade av observationen att enklare modeller kan matcha eller överträffa tunga Transformer-baserade arkitekturer, tillämpar LightTS en intervallsamplingsstrategi för att dekomponera långa indatasekvenser i flera undersekvenser och bearbetar varje undersekvens med kompakta Chunk-MLP- och Continuous-MLP-moduler. Designen prioriterar beräkningseffektivitet samtidigt som den bevarar både lokala och globala temporala mönster.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- Zhang, T., Zhang, Y., Cao, W., Bian, J., Yi, X., Zheng, S., & Li, J. (2022). Less is more: Fast multivariate time series forecasting with light sampling-oriented MLP structures. arXiv preprint. link ↗
Så citerar du den här sidan
ScholarGate. (2026, June 2). LightTS (Light Sampling-oriented MLP). ScholarGate. https://scholargate.app/sv/deep-learning/lightts
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: Decomposition Linear Model för tidsserieprognoserDjupinlärning↔ compare
- Multilayer Perceptron (MLP)Djupinlärning↔ compare
- TSMixer: All-MLP-arkitektur för tidsserieprognoserDjupinlärning↔ compare
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →