Metodbevispost
N-BEATS
N-BEATS is a deep learning architecture for time series forecasting, introduced by Oreshkin and colleagues in 2020, built from interpretable trend and seasonality stacks. It was the first purely neural forecasting model to reach state-of-the-art performance on the M4 competition without relying on any classical statistical components.
Källpost
Citat kopierade ordagrant från metodens källpost. Ingen verifiering på källnivå härleds från dem.
N-BEATS (Neural Basis Expansion Analysis for Interpretable Time Series Forecasting)
Taxonomisk metodpost · ml-model / deep-learning
- Oreshkin, B.N. et al. (2020). N-BEATS: Neural Basis Expansion Analysis for Interpretable Time Series Forecasting. ICLR. · URL
- Makridakis, S., Spiliotis, E. & Assimakopoulos, V. (2020). The M4 Competition: 100,000 Time Series and 61 Forecasting Methods. International Journal of Forecasting, 36(1), 54–74. · DOI 10.1016/j.ijforecast.2019.04.014
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.