เปรียบเทียบวิธี

	TimesNet: การสร้างแบบจำลองความแปรปรวนเชิงพื้นที่ 2 มิติสำหรับอนุกรมเวลา	TSMixer: สถาปัตยกรรมแบบ All-MLP สำหรับการพยากรณ์อนุกรมเวลา
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้เชิงลึก
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2023	2023
ผู้ริเริ่ม	Haixu Wu et al.	Si-An Chen et al. (Google)
ประเภท	2D convolutional time-series model	All-MLP multivariate time-series forecasting model
แหล่งต้นตำรับ	Wu, H., Hu, T., Liu, Y., Zhou, H., Wang, J., & Long, M. (2023). TimesNet: Temporal 2D-variation modeling for general time series analysis. ICLR.	Chen, S.-A., Li, C.-L., Yoder, N., Arik, S. O., & Pfister, T. (2023). TSMixer: An all-MLP architecture for time series forecasting. Transactions on Machine Learning Research.
ชื่อเรียกอื่น	Temporal 2D-Variation Network, TimesNet Model, 2D Time-Series Network, Zamansal 2B Varyasyon Ağı	All-MLP Time Series Mixer, Time Series Mixer, TSMixer Forecasting Model, Zaman Serisi Karıştırıcı
ที่เกี่ยวข้อง	2	3
สรุป	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.	TSMixer is a multivariate time-series forecasting model introduced by Si-An Chen and colleagues at Google in 2023. It challenges the prevailing dominance of Transformer-based architectures by demonstrating that a simple stack of interleaved MLP layers — alternating between mixing along the time axis and mixing across feature channels — achieves strong forecasting accuracy while remaining computationally efficient and easy to interpret architecturally.