Metodbevispost

DLinear

DLinear is a lightweight time series forecasting model introduced by Zeng et al. at AAAI 2023. It challenges the prevailing assumption that Transformer-based architectures are necessary for accurate long-horizon forecasting. The model decomposes an input sequence into trend and seasonal components using a moving average filter, then applies separate single-layer linear transformations to each component before summing their outputs to produce the final forecast.

Sources recorded, not reviewed

Källpost

Citat kopierade ordagrant från metodens källpost. Ingen verifiering på källnivå härleds från dem.

DLinear (Decomposition Linear Model for Forecasting)

Taxonomisk metodpost · ml-model / deep-learning

Zeng, A., Chen, M., Zhang, L., & Xu, Q. (2023). Are transformers effective for time series forecasting? AAAI. · URL

Öppna fullständig metod

Kuraterade påståenden

Påståenden lagrade i bevisloggen, var och en med sin egen bedömning.

Inga kuraterade påståenden ännu

Denna vy hittar inte på en påståendebedömning när loggen saknar en.

Relaterade metoder

Genererade från metodgrafen och visade som maskinföreslagna relationer – inga bevispåståenden härleds.