TSMixer: Zaman Serisi Tahmini için Tamamen MLP Mimarisi

DLinear, bir seriyi eğilim ve kalan bileşenlere ayırır ve her birine ayrı doğrusal katmanlar uygulayarak tamamen zaman boyutunda çalışır. TSMixer, özellikler (kanallar) üzerinde ikinci bir karıştırma boyutu ekleyerek, dönüşümlü zamansal ve özellik MLP blokları aracılığıyla çapraz değişken korelasyonlarını yakalamasına olanak tanır. TSMixer, çok değişkenli görevlerde genellikle daha açıklayıcıdır.

Hayır. TSMixer tamamen MLP tabanlı bir mimaridir. Kendi kendine dikkat mekanizmasını, zaman ve özellik eksenleri boyunca dönüşümlü olarak uygulanan basit paylaşımlı doğrusal katmanlarla değiştirir. Bu tasarım seçimi, orijinal makalede gösterildiği gibi, standart çok değişkenli tahmin karşılaştırmalarında rekabetçi doğruluğu korurken hesaplama karmaşıklığını azaltır.

Orijinal makale, birden fazla geri bakış penceresi uzunluğunu değerlendirir ve daha uzun pencerelerin genellikle daha uzun örüntülere sahip karşılaştırmalarda performansı artırdığını bulur. Yaygın seçimler 96 ila 512 zaman adımı arasında değişir. Optimal uzunluk, verilerinizdeki baskın zamansal örüntülere bağlıdır ve ayrılmış bir doğrulama kümesi üzerinde ampirik olarak doğrulanmalıdır.