SCINet: شبكة الالتفاف والتفاعل العيني لتوقع السلاسل الزمنية
SCINet هي بنية تعلم عميق لتوقع السلاسل الزمنية متعددة الخطوات، قدمها ليو وزملاؤه في مؤتمر NeurIPS 2022. فكرتها الأساسية هي بنية شجرية ثنائية متكررة من كتل SCI-Blocks، حيث تقوم كل كتلة بتقسيم متتالية المدخلات إلى متتاليات فرعية ذات فهارس فردية وزوجية، وتطبق مرشحات التفافية لنمذجة التفاعلات بين المتتاليات الفرعية، ثم تدمج التمثيلات المتعلمة. تتيح استراتيجية التخفيض الهرمي هذه للشبكة التقاط التبعيات الزمنية بدقة متعددة في وقت واحد.
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
المصادر
- Liu, M., Zeng, A., Chen, M., Xu, Z., Lai, Q., Ma, L., & Xu, Q. (2022). SCINet: Time series modeling and forecasting with sample convolution and interaction. NeurIPS. link ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 2). SCINet (Sample Convolution and Interaction Network). ScholarGate. https://scholargate.app/ar/deep-learning/scinet
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- DLinear: نموذج الانحدار الخطي المُحلل للتنبؤ بالسلاسل الزمنيةالتعلم العميق↔ compare
- TimesNet: نمذجة التباين الزماني ثنائي الأبعاد للسلاسل الزمنيةالتعلم العميق↔ compare