SCINet: সময়-সিরিজ পূর্বাভাসের জন্য নমুনা কনভোলিউশন এবং ইন্টারঅ্যাকশন নেটওয়ার্ক
SCINet হল একটি ডিপ লার্নিং আর্কিটেকচার যা Liu et al. কর্তৃক NeurIPS 2022-এ উপস্থাপিত মাল্টি-স্টেপ টাইম-সিরিজ পূর্বাভাসের জন্য ব্যবহৃত হয়। এর মূল ধারণা হল SCI-Block-এর একটি রিকার্সিভ বাইনারি-ট্রি গঠন, যেখানে প্রতিটি ব্লক একটি ইনপুট সিকোয়েন্সকে বিজোড় এবং জোড়-সূচক সাব-সিকোয়েন্সে বিভক্ত করে, কনভোলিউশনাল ফিল্টার প্রয়োগ করে ক্রস-সাব-সিকোয়েন্স ইন্টারঅ্যাকশন মডেল করে এবং তারপর শেখা উপস্থাপনাগুলিকে একত্রিত করে। এই হায়ারারকিক্যাল ডাউনস্যাম্পলিং কৌশল নেটওয়ার্ককে একাধিক রেজোলিউশনে যুগপৎ টেম্পোরাল নির্ভরতা ক্যাপচার করতে সক্ষম করে।
পুরো পদ্ধতিটি পড়ুন
এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।
Method map
The neighbourhood of related methods — select a node to explore.
উৎস
- 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 ↗
এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন
ScholarGate. (2026, June 2). SCINet (Sample Convolution and Interaction Network). ScholarGate. https://scholargate.app/bn/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.
- সময় সিরিজ পূর্বাভাসের জন্য DLinear: ডিকম্পোজিশন লিনিয়ার মডেলগভীর শিখন↔ compare
- TimesNet: সময় সিরিজের জন্য টেম্পোরাল ২ডি-ভ্যারিয়েশন মডেলিংগভীর শিখন↔ compare
যেখানে উদ্ধৃত
এই পৃষ্ঠায় কোনো ত্রুটি চোখে পড়েছে? জানান বা সংশোধনের প্রস্তাব দিন →