TiDE: ตัวเข้ารหัสแบบหนาแน่นสำหรับอนุกรมเวลา (Time-series Dense Encoder)
TiDE (Time-series Dense Encoder) คือสถาปัตยกรรมตัวเข้ารหัส-ตัวถอดรหัสแบบ MLP สำหรับการพยากรณ์อนุกรมเวลาหลายตัวแปรระยะยาว ซึ่งนำเสนอโดย Abhimanyu Das และเพื่อนร่วมงานที่ Google Research ในปี 2023 แบบจำลองนี้เข้ารหัสข้อมูลอนุกรมเวลาในอดีตพร้อมกับตัวแปรเสริมแบบคงที่และแบบพลวัตผ่านเลเยอร์หนาแน่น (MLP) ที่ซ้อนกัน จากนั้นถอดรหัสการแสดงผลแฝงให้เป็นการพยากรณ์ในอนาคต TiDE แสดงให้เห็นว่าสถาปัตยกรรมเชิงเส้นและแบบหนาแน่นที่เรียบง่ายสามารถเทียบเท่าหรือมีประสิทธิภาพเหนือกว่าแบบจำลองที่ใช้ Transformer ในเกณฑ์มาตรฐานการพยากรณ์ระยะยาวทั่วไป ในขณะที่ทำงานได้เร็วกว่าอย่างมาก
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Das, A., Kong, W., Leach, A., Mathur, S., Sen, R., & Yu, R. (2023). Long-term forecasting with TiDE: Time-series dense encoder. Transactions on Machine Learning Research. link ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 2). TiDE (Time-series Dense Encoder). ScholarGate. https://scholargate.app/th/deep-learning/tide
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.
- DLinear: แบบจำลองเชิงเส้นแบบแยกส่วนสำหรับการพยากรณ์อนุกรมเวลาการเรียนรู้เชิงลึก↔ compare
- เพอร์เซปตรอนหลายชั้น (MLP)การเรียนรู้เชิงลึก↔ compare
- TSMixer: สถาปัตยกรรมแบบ All-MLP สำหรับการพยากรณ์อนุกรมเวลาการเรียนรู้เชิงลึก↔ compare