タイムズネット：時系列予測の最新の進歩

『タイムズネット：時系列予測の最新進化』

TimesNetアーキテクチャを理解し、Pythonで予測タスクに適用する

以前の記事では、2020年にリリースされたN-BEATS、2022年のN-HiTS、そして2023年3月のPatchTSTなど、最新の時系列予測技術の進歩について探求してきました。N-BEATSとN-HiTSはマルチレイヤーパーセプトロンアーキテクチャに基づいており、PatchTSTはTransformerアーキテクチャを活用しています。

2023年4月現在、文献に新しいモデルが発表され、時系列分析の予測、補完、分類、異常検知などの複数のタスクで最先端の結果を達成しています。そのモデルはTimesNetです。

TimesNetは、Wu、Hu、Liuらによって発表された論文「TimesNet: Temporal 2D-Variation Modeling For General Time Series Analysis」によって提案されました。

従来のモデルとは異なり、TimesNetは異なるタスクの最先端の結果を達成するためにCNNベースのアーキテクチャを使用しており、時系列分析の基盤モデルとして非常に優れた候補となっています。

• ドメインを橋渡しする：MLリスク管理における金融、プライバシー、ソフトウェアのベストプラクティスの注入
• 「LLMsとRAGを組み合わせることによる拡張」
• 意味レイヤーの力：データエンジニアのガイド

本記事では、TimesNetのアーキテクチャと内部動作について探求します。そして、N-BEATSとN-HiTSとともにモデルを予測タスクに適用し、自身の小さな実験を完了します。

詳細はいつも通り、オリジナルの論文を参照してください。

私の無料の時系列解析チートシート（Python版）で最新の時系列解析技術を学びましょう！統計的および深層学習技術の実装をすべてPythonとTensorFlowで提供します！

さあ、始めましょう！

TimesNetを探求する

TimesNetの背後にある動機は、多くの現実の時系列が複数の周期性を示すという認識から生まれています。つまり、変動は異なる周期で発生するということです。

例えば、外気温は日次および年次の周期を持ちます。通常、日中のほうが夜よりも暑く、夏は冬よりも暑いです。

これらの複数の周期は重なり合い、相互に影響し合うため、それらを分離してモデル化することは困難です。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!