TimesNet: Mô hình hóa Biến thiên 2D theo Thời gian cho Chuỗi Thời gian
TimesNet là một mô hình chuỗi thời gian đa mục đích được giới thiệu bởi Wu và cộng sự tại ICLR 2023. Ý tưởng cốt lõi của nó là chuỗi thời gian đơn biến hoặc đa biến có thể được diễn giải lại thành các tập hợp bản đồ thời gian hai chiều bằng cách định hình lại tín hiệu 1D theo các chu kỳ chi phối của nó, được phát hiện thông qua Biến đổi Fourier Nhanh (FFT). Sự chuyển đổi 1D sang 2D này làm lộ ra cả các mẫu nội chu kỳ (trong một chu kỳ) và các xu hướng liên chu kỳ (qua các chu kỳ), cho phép các kiến trúc tích chập 2D mạnh mẽ mô hình hóa biến thiên thời gian.
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
- Wu, H., Hu, T., Liu, Y., Zhou, H., Wang, J., & Long, M. (2023). TimesNet: Temporal 2D-variation modeling for general time series analysis. ICLR. link ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 2). TimesNet (Temporal 2D-Variation Modeling). ScholarGate. https://scholargate.app/vi/deep-learning/timesnet
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.
- Autoformer: Biến đổi phân tách cho dự báo chuỗi thời gian dài hạnHọc sâu↔ compare
- PatchTSTHọc sâu↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →