เปรียบเทียบวิธี

	เครือข่ายคอนโวลูชันแบบขยาย (Dilated CNN)	XGBoost
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้ของเครื่อง
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2016	2016
ผู้ริเริ่ม	van den Oord, A. et al.; Bai, S., Kolter, J.Z. & Koltun, V.	Chen, T. & Guestrin, C.
ประเภท	Deep learning (dilated 1D convolutional network)	Ensemble (gradient-boosted decision trees)
แหล่งต้นตำรับ	van den Oord, A. et al. (2016). WaveNet: A Generative Model for Raw Audio. arXiv.	Chen, T. & Guestrin, C. (2016). XGBoost: A Scalable Tree Boosting System. Proceedings of the 22nd ACM SIGKDD, 785–794.
ชื่อเรียกอื่น	Dilate Edilmiş CNN (WaveNet / TCN), WaveNet, Temporal Convolutional Network, TCN	XGBoost, extreme gradient boosting, scalable tree boosting
ที่เกี่ยวข้อง	5	5
สรุป	A Dilated CNN is a one-dimensional convolutional network whose receptive field grows exponentially with depth, letting it model long-range structure in time series and audio signals. WaveNet (van den Oord et al., 2016) and the Temporal Convolutional Network of Bai, Kolter and Koltun (2018) are the prominent members of this family.	XGBoost (Extreme Gradient Boosting) is a scalable tree-boosting algorithm introduced by Tianqi Chen and Carlos Guestrin in 2016. It builds a strong predictor by adding decision trees one at a time, each correcting the errors left by the trees before it, and is a powerful prediction method widely used in competitions.