Metodbevispost

TimesNet

TimesNet is a general-purpose time-series model introduced by Wu et al. at ICLR 2023. Its central idea is that univariate or multivariate time series can be reinterpreted as collections of two-dimensional temporal maps by reshaping the 1D signal according to its dominant periodicities, detected via Fast Fourier Transform. This 1D-to-2D transformation exposes both intraperiod patterns (within one cycle) and interperiod trends (across cycles), enabling powerful 2D convolutional architectures to model temporal variation.

Sources recorded, not reviewed

Källpost

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

TimesNet (Temporal 2D-Variation Modeling)

Taxonomisk metodpost · ml-model / deep-learning

Wu, H., Hu, T., Liu, Y., Zhou, H., Wang, J., & Long, M. (2023). TimesNet: Temporal 2D-variation modeling for general time series analysis. ICLR. · 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.

Taxonomic bucketAutoformermachine-suggested · Relational suggestion, not evidence.Same method familyPatchTSTmachine-suggested · Relational suggestion, not evidence.