เปรียบเทียบวิธี

	LightTS: MLP ที่เน้นการสุ่มตัวอย่างแบบเบาสำหรับ การพยากรณ์อนุกรมเวลาหลายตัวแปร	DLinear: แบบจำลองเชิงเส้นแบบแยกส่วนสำหรับการพยากรณ์อนุกรมเวลา
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้เชิงลึก
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2022	2023
ผู้ริเริ่ม	Tianping Zhang et al.	Ailing Zeng et al.
ประเภท	Lightweight MLP-based multivariate time-series forecaster	Decomposition-based linear forecasting model
แหล่งต้นตำรับ	Zhang, T., Zhang, Y., Cao, W., Bian, J., Yi, X., Zheng, S., & Li, J. (2022). Less is more: Fast multivariate time series forecasting with light sampling-oriented MLP structures. arXiv preprint.	Zeng, A., Chen, M., Zhang, L., & Xu, Q. (2023). Are transformers effective for time series forecasting? AAAI.
ชื่อเรียกอื่น	Light Sampling-oriented MLP, LightMLP, Hafif Örnekleme Tabanlı MLP, Lightweight Time-Series MLP	Decomposition Linear, DLinear Forecaster, Linear Decomposition Model, Ayrışım Doğrusal Modeli
ที่เกี่ยวข้อง	3	3
สรุป	LightTS is a lightweight, MLP-based architecture for multivariate time-series forecasting introduced by Tianping Zhang and colleagues in 2022. Motivated by the observation that simpler models can match or surpass heavy Transformer-based architectures, LightTS applies an interval-sampling strategy to decompose long input sequences into multiple sub-sequences and processes each with compact Chunk-MLP and Continuous-MLP modules. The design prioritizes computational efficiency while preserving both local and global temporal patterns.	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.