TimesNet: Uundaji wa Miundo Mikuu ya 2D ya Muda kwa Mfululizo wa Wakati
TimesNet ni modeli ya madhumuni ya jumla ya mfululizo wa muda iliyoanzishwa na Wu et al. katika ICLR 2023. Wazo lake kuu ni kwamba mfululizo wa muda wa kipekee au wa pande nyingi unaweza kutafsiriwa upya kama makusanyo ya ramani za muda za pande mbili kwa kuunda upya ishara ya 1D kulingana na vipindi vyake vinavyotawala, vilivyogunduliwa kupitia Fast Fourier Transform. Mabadiliko haya ya 1D-hadi-2D yanaonyesha ruwaza za ndani ya kipindi (ndani ya mzunguko mmoja) na mielekeo ya kati ya vipindi (katika mizunguko), ikiruhusu usanifu wenye nguvu wa convolutional wa 2D kuunda mabadiliko ya muda.
Soma mbinu kamili
Ingia kwa akaunti ya bure ili kusoma sehemu hii.
Method map
The neighbourhood of related methods — select a node to explore.
Vyanzo
- Wu, H., Hu, T., Liu, Y., Zhou, H., Wang, J., & Long, M. (2023). TimesNet: Temporal 2D-variation modeling for general time series analysis. ICLR. link ↗
Jinsi ya kunukuu ukurasa huu
ScholarGate. (2026, June 2). TimesNet (Temporal 2D-Variation Modeling). ScholarGate. https://scholargate.app/sw/deep-learning/timesnet
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.
- Autoformer: Transformer ya Uharibifu kwa Utabiri wa Milipuko ya Muda MrefuUjifunzaji wa Kina↔ compare
- PatchTSTUjifunzaji wa Kina↔ compare
Imerejelewa na
Umeona tatizo kwenye ukurasa huu? Ripoti au pendekeza marekebisho →