TSMixer: суцільно MLP-архітектура для прогнозування часових рядів
TSMixer — це модель багатовимірного прогнозування часових рядів, представлена Сі-Аном Ченом та його колегами з Google у 2023 році. Вона ставить під сумнів домінуюче становище архітектур на основі Transformer, демонструючи, що простий стек чергуваних MLP-шарів — що чергуються між змішуванням уздовж часової осі та змішуванням між каналами ознак — досягає високої точності прогнозування, залишаючись при цьому обчислювально ефективним та простим для архітектурної інтерпретації.
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
- 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. link ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 2). TSMixer (All-MLP Architecture for Forecasting). ScholarGate. https://scholargate.app/uk/deep-learning/tsmixer
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
- Багатошаровий перцептрон (БШП)Глибоке навчання↔ compare
- TimeMixerГлибоке навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →