Machine learningTime-series forecasting

TiDE: Bộ mã hóa dày đặc chuỗi thời gian

TiDE (Time-series Dense Encoder) là một kiến trúc bộ mã hóa-giải mã dựa trên MLP cho dự báo chuỗi thời gian đa biến dài hạn, được giới thiệu bởi Abhimanyu Das và các đồng nghiệp tại Google Research vào năm 2023. Mô hình mã hóa các quan sát chuỗi thời gian trong quá khứ cùng với các đồng biến tĩnh và động thông qua các lớp dày đặc xếp chồng (MLP), sau đó giải mã một biểu diễn tiềm ẩn thành các dự báo trong tương lai. TiDE chứng minh rằng các kiến trúc tuyến tính và dày đặc đơn giản có thể sánh ngang hoặc vượt trội hơn các mô hình dựa trên Transformer trên các điểm chuẩn dự báo dài hạn tiêu chuẩn, đồng thời nhanh hơn đáng kể.

Mở trong MethodMindSắp ra mắtVideoSắp ra mắtDownload slides

Đọc toàn bộ phương pháp

Chỉ dành cho thành viên

Đăng nhập bằng tài khoản miễn phí để đọc phần này.

Đăng nhập

Method map

The neighbourhood of related methods — select a node to explore.

Nguồn tài liệu

  1. 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. link

Cách trích dẫn trang này

ScholarGate. (2026, June 2). TiDE (Time-series Dense Encoder). ScholarGate. https://scholargate.app/vi/deep-learning/tide

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.

Compare side by side
ScholarGateTiDE (TiDE (Time-series Dense Encoder)). Truy cập ngày 2026-06-15 từ https://scholargate.app/vi/deep-learning/tide · Bộ dữ liệu: https://doi.org/10.5281/zenodo.20539026