TSMixer: All-MLP-arkitektur för tidsserieprognoser
TSMixer är en multivariat tidsserieprognosmodell som introducerades av Si-An Chen och kollegor vid Google år 2023. Den utmanar den rådande dominansen av Transformer-baserade arkitekturer genom att demonstrera att en enkel stapel av sammanflätade MLP-lager – alternerande mellan mixning längs tidsaxeln och mixning över funktionskanaler – uppnår stark prognosnoggrannhet samtidigt som den förblir beräkningsmässigt effektiv och lätt att tolka arkitektoniskt.
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
- Chen, S.-A., Li, C.-L., Yoder, N., Arik, S. O., & Pfister, T. (2023). TSMixer: An all-MLP architecture for time series forecasting. Transactions on Machine Learning Research. link ↗
Så citerar du den här sidan
ScholarGate. (2026, June 2). TSMixer (All-MLP Architecture for Forecasting). ScholarGate. https://scholargate.app/sv/deep-learning/tsmixer
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
- TimeMixer: Deformerbar multiskalig blandning för tidsserieprognoserDjupinlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →