TimeMixer: Декомпозиційне багатомасштабне змішування для прогнозування часових рядів
TimeMixer — це архітектура для прогнозування часових рядів без механізму уваги, заснована на декомпозиції, представлена Вангом та співавторами на ICLR 2024. Центральна ідея полягає в роз'єднанні сезонних і трендових компонентів у кількох часових масштабах, побудованих за допомогою усереднюючого пулінгу, а потім змішуванні інформації між цими масштабами за допомогою легких блоків багатошарового перцептрона (MLP). Обробляючи грубі (з домінуванням тренду) та тонкі (з домінуванням сезонності) роздільності окремо та комбінуючи їхні прогнози, TimeMixer уникає квадратичних витрат механізму уваги, одночасно захоплюючи як локальні, так і глобальні часові закономірності.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- Wang, S., Wu, H., Shi, X., Hu, T., Luo, H., Ma, L., Zhang, J. Y., & Zhou, J. (2024). TimeMixer: Decomposable multiscale mixing for time series forecasting. ICLR. link ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 2). TimeMixer (Decomposable Multiscale Mixing). ScholarGate. https://scholargate.app/uk/deep-learning/timemixer
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: Модель лінійного розкладу для прогнозування часових рядівГлибоке навчання↔ compare
- TimesNet: Моделювання часових 2D-варіацій для часових рядівГлибоке навчання↔ compare
- TSMixer: суцільно MLP-архітектура для прогнозування часових рядівГлибоке навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →