เปรียบเทียบวิธี

	N-BEATSx	เครือข่ายคอนโวลูชันกราฟเชิงพื้นที่-เวลา
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้เชิงลึก
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2023	2018
ผู้ริเริ่ม	Cristian Challu	Sijie Yan
ประเภท	Neural network architecture	Neural network architecture
แหล่งต้นตำรับ	Challu, C., Olivares, K. Q., Oreshkin, B., Garza, F., Mergenthaler-Canseco, M., & Dubrawski, A. (2023). N-BEATSx: Neural Basis Expansion Analysis for Interpretable Time Series Forecasting. In ICLR 2023 Workshop on Multimodal Learning for Science (p. 4).	Yan, S., Xiong, Y., & Lin, D. (2018). Spatial temporal graph convolutional networks for skeleton-based action recognition. In Proceedings of the AAAI Conference on Artificial Intelligence (Vol. 32).
ชื่อเรียกอื่น	N-BEATSx, NBEATS-x	ST-GCN, Spatial-Temporal Graph CNN
ที่เกี่ยวข้อง	4	4
สรุป	N-BEATSx is an extension of the N-BEATS neural time series forecasting model that incorporates exogenous (external) variables through a cross-learner architecture. Published in 2023, N-BEATSx improves upon N-BEATS by enabling the model to leverage additional features beyond the historical time series values.	Spatial-Temporal Graph Convolutional Networks (ST-GCN) is an architecture introduced by Yan et al. in 2018 for skeleton-based action recognition. By modeling human skeletons as graphs where joints are nodes and bones are edges, ST-GCN applies graph convolutions across space and time to recognize actions from skeleton sequences.