أظهرت الدراسات الحديثة أن النماذج الخطية البسيطة يمكن أن تتفوق على عدة مناهج تعتمد على مُحَوِّل (Transformer) في التنبؤ بالسلاسل الزمنية على المدى الطويل. مستلهمين من هذا التوجه، نقترح نموذجًا مبنيًا على مُشَبَّكَة عصبونية متعددة الطبقات (MLP) يُسمى "مُشَبَّكَة الترميز الكثيفة للسلاسل الزمنية" (TiDE)، وهو نموذج مشفر-مُفَسِّر مصمم لتنبؤ السلاسل الزمنية على المدى الطويل، ويتمتع ببساطة وسرعة النماذج الخطية، مع القدرة على التعامل مع المتغيرات التكميلية (covariates) والاعتماديات غير الخطية. من الناحية النظرية، نُثبت أن أبسط نسخة خطية من نموذجنا يمكن أن تحقق معدل خطأ قريب من الأفضلية لأنظمة ديناميكية خطية (LDS) تحت بعض الافتراضات. من الناحية التجريبية، نُظهر أن منهجنا يمكنه تحقيق أداءً يُعادل أو يتفوق على النماذج السابقة في معايير شائعة للتنبؤ بالسلاسل الزمنية على المدى الطويل، مع تسريع يصل إلى 5-10 أضعاف مقارنة بأفضل نموذج مبني على مُحَوِّل (Transformer).