Yöntem kanıt kaydı

TiDE

TiDE (Time-series Dense Encoder) is an MLP-based encoder-decoder architecture for long-term multivariate time-series forecasting, introduced by Abhimanyu Das and colleagues at Google Research in 2023. The model encodes past time-series observations together with static and dynamic covariates through stacked dense (MLP) layers, then decodes a latent representation into future forecasts. TiDE demonstrates that simple linear and dense architectures can match or outperform Transformer-based models on standard long-term forecasting benchmarks while being significantly faster.

Sources recorded, not reviewed

Kaynak kayıt

Alıntılar, yöntemin kaynak kaydından harfi harfine kopyalanmıştır. Bunlardan herhangi bir düzeyde doğrulama çıkarımı yapılmamıştır.

TiDE (Time-series Dense Encoder)

Taksonomik yöntem kaydı · ml-model / deep-learning

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. · URL

Tam yöntemi aç

Derlenmiş iddialar

Her biri kendi değerlendirmesiyle birlikte kanıt defterine kaydedilmiş iddialar.

Henüz derlenmiş iddia yok

Bu görünüm, defterde hiç iddia olmadığında bir iddia değerlendirmesi icat etmez.

İlgili yöntemler

Yöntem grafiğinden oluşturulmuştur ve makine tarafından önerilen ilişkiler olarak gösterilir — herhangi bir kanıt iddiası çıkarımı yapılmamıştır.

Taxonomic bucketDLinearmachine-suggested · Relational suggestion, not evidence.Same method familyMultilayer Perceptronmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketTSMixermachine-suggested · Relational suggestion, not evidence.