DLinear: Mô hình Tuyến tính Phân rã cho Dự báo Chuỗi Thời gian
DLinear là một mô hình dự báo chuỗi thời gian nhẹ được giới thiệu bởi Zeng và cộng sự tại AAAI 2023. Nó thách thức giả định phổ biến rằng các kiến trúc dựa trên Transformer là cần thiết cho dự báo đường dài chính xác. Mô hình phân rã một chuỗi đầu vào thành các thành phần xu hướng và mùa vụ bằng bộ lọc trung bình trượt, sau đó áp dụng các phép biến đổi tuyến tính một lớp riêng biệt cho từng thành phần trước khi cộng các kết quả đầu ra của chúng để tạo ra dự báo cuối cùng.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- Zeng, A., Chen, M., Zhang, L., & Xu, Q. (2023). Are transformers effective for time series forecasting? AAAI. link ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 2). DLinear (Decomposition Linear Model for Forecasting). ScholarGate. https://scholargate.app/vi/deep-learning/dlinear
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.
- Mô hình ARIMA (Autoregressive Integrated Moving Average)Kinh tế lượng↔ compare
- PatchTSTHọc sâu↔ compare
- TSMixer: Kiến trúc Toàn MLP cho Dự báo Chuỗi Thời gianHọc sâu↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →