SegRNN: شبكة عصبية متكررة للقطاعات لتنبؤ السلاسل الزمنية طويلة الأمد
SegRNN هي بنية شبكة عصبية متكررة لتنبؤ السلاسل الزمنية طويلة الأمد، اقترحها شينغشنغ لين وزملاؤه في عام 2023. بدلاً من معالجة خطوة زمنية واحدة في كل مرة، تقوم SegRNN بتقسيم تسلسلات الإدخال إلى قطاعات ذات طول ثابت وتغذي كل قطاع كرمز واحد إلى وحدة GRU. يقلل هذا التصميم القائم على القطاعات بشكل كبير من عدد التكرارات المتكررة، مما يعالج الصعوبة المعروفة التي تواجهها الشبكات العصبية المتكررة عند نمذجة التبعيات الطويلة جدًا على مدى العديد من الخطوات الفردية.
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
المصادر
- Lin, S., Lin, W., Wu, W., Zhao, F., Mo, R., & Zhang, H. (2023). SegRNN: Segment recurrent neural network for long-term time series forecasting. arXiv preprint. link ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 2). SegRNN (Segment Recurrent Neural Network). ScholarGate. https://scholargate.app/ar/deep-learning/segrnn
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.
- وحدة التكرار المسورة (GRU)التعلم العميق↔ compare
- شبكة الذاكرة قصيرة وطويلة الأمدالتعلم العميق↔ compare
- PatchTSTالتعلم العميق↔ compare