这是谷歌在9月最近发布的一种新的架构 TSMixer: An all-MLP architecture for time series forecasting ,TSMixer是一种先进的多元模型,利用线性模型特征,在长期预测基准上表现良好。据我们所知,TSMixer是第一个在长期预测基准上表现与最先进的单变量模型一样好的多变量模型,在长期预测基准上,表明交叉变量信息不太...
从上图可以看出,TSMixer 在 96 个时间步的多元预测任务上优于 N-HiTS,因为它实现了最低的 MAE 和 MSE。 虽然这不是最广泛的实验,但有趣的是看到这种性能来自相当简单的模型架构。 结论 TSMixer 是专为多元时间序列预测而设计的全 MLP 模型。 它通过添加跨变量前馈层扩展了线性模型的能力,使模型能够在长期多...
TSMixer 同样先对数据进行 patch embedding，骨干网络由时序信息提取模块、特征信息提取模块、通道信息提取三个模块组成，三个模块则均由 MLP、门控注意力、残差连接构成，通过调整输入 MLP 层的数据形状实现不同类型的信息抽取。TSMixer 同样使用了Patch+通道独立的设计，相比于 PatchTST，它的骨干网络包含了通道信息交...
深度学习强大的表征能力使其在多个领域取得了显著成果，在时序领域同样也有许多模型选择。本文探索了PatchTST、TSMixer、ModernTCN 三个近年的时序深度学习模型在因子挖掘上的运用，它们采用了Patch+通道独立的模型设计，骨干网络分别基于自注意力、MLP、CNN 机制。模型特点 本文介绍的深度学习模型以多变量时序类数据为出发...
全文总结:本文研究了线性模型用于时间序列预测的能力,提出了时间序列混合器(TSMixer),一种通过堆叠多层感知器(mlp)设计的新架构。TSMixer在时间和特征维度上交替应用mlp,在概念上对应于时间混合和特征混合操作,有效地捕获时间模式和交叉变量信...
最强多变量时间序列预测PatchTSMixer算法实践演示 #小工蚁 - 小工蚁于20240203发布在抖音,已经收获了21.0万个喜欢,来抖音,记录美好生活!
最强多变量时间序列预测PatchTSMixer算法实践演示, 视频播放量 1440、弹幕量 0、点赞数 28、投硬币枚数 10、收藏人数 72、转发人数 7, 视频作者 小工蚁创始人, 作者简介 小工蚁创始人 张文斌原土豆网第九个员工,土豆网技术总监,相关视频:PatchTSMixer开源最强多变量 时间
ditschuk / pytorch-tsmixer Star 112 Code Issues Pull requests A pip-installable PyTorch implementation of TSMixer, providing an easy-to-use and efficient solution for time-series forecasting. time-series pip forecasting tsmixer Updated Dec 12, 2023 Python smrfeld / tsmixer-pytorch Star 14...
TSMixer in PyTorch. Contribute to smrfeld/tsmixer-pytorch development by creating an account on GitHub.
适合功率预测,风电光伏预测,负荷预测,电池预测,流量预测,浓度预测,机械领域预测等等各种时间序列直接预测。全都是最近的创新点足够撑起一个毕业和2-4区,北核发表工作量。功能如下1.多变量输入,单变量输出2.多时间步预测,单时间步预测3.评价指标:R方 RMSE MAE MAPE