最近の研究において、シンプルな線形モデルが、長期時系列予測において複数のTransformerベースのアプローチを上回ることが示されている。これを受けて、我々は、線形モデルのシンプルさと高速性を維持しつつ、共変量（covariates）や非線形依存関係を扱える能力を備えた、マルチレイヤーパーセプトロン（MLP）ベースのエンコーダデコーダモデル「Time-series Dense Encoder（TiDE）」を提案する。理論的には、本モデルの最も単純な線形アナロジーが、ある仮定の下で線形動的システム（Linear Dynamical Systems: LDS）に対して近似的に最適な誤差率を達成できることを証明した。実証的にも、本手法は代表的な長期時系列予測ベンチマークにおいて既存手法と同等またはそれを上回る性能を発揮しつつ、最良のTransformerベースモデルと比較して5〜10倍の高速性を実現していることを示した。