> ML_LITERATURE // ZENG-2023-ARE-TRANSFORMERS-EFFECTIVE-FOR-TIME-SERIES-DLINEAR_v1.0
Are Transformers Effective for Time Series? (DLinear / NLinear)
Ailing Zeng, Muxi Chen, Lei Zhang, Qiang Xu · AAAI Conference on Artificial Intelligence (2023)
algorithm2023industry-standardthirdPartyReproduced
Temel Katkı (Principal Contribution)
Zaman serilerini trend ve mevsimsel bileşenlere ayıran basit bir tek katmanlı doğrusal modelin karmaşık Transformer mimarilerini geride bıraktığını kanıtladı.
Operasyonel ve Mühendislik Uygunluğu
Üretim sistemlerinde task-time-series-forecasting uygulaması için yetkili referans olarak hizmet eder.
Temel Varsayımlar (Assumptions)
- Temel uzamsal-zamansal süreklilik ve alan dağılımsal kararlılığı geçerlidir
Kısıtlar ve Sınırlamalar (Limitations)
- Performans ölçekleme ve hesaplama ayak izi algılama alanı derinliğine, dizi uzunluğuna ve çözünürlüğe bağlıdır