SegRNN: Segment Recurrent Neural Network pro dlouhodobé předpovídání časových řad
SegRNN je rekurentní neuronová síťová architektura pro dlouhodobé předpovídání časových řad navržená Shengsheng Linem a kol. v roce 2023. Místo zpracování jednoho časového kroku po druhém, SegRNN rozděluje vstupní sekvence do segmentů pevné délky a každý segment předává jako jediný token do GRU. Tento segmentový design drasticky snižuje počet rekurentních iterací, čímž řeší známou obtížnost, se kterou se RNN potýkají při modelování velmi dlouhých závislostí přes mnoho jednotlivých kroků.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 2). SegRNN (Segment Recurrent Neural Network). ScholarGate. https://scholargate.app/cs/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.
- Gated Recurrent Unit (GRU)Hluboké učení↔ compare
- LSTMHluboké učení↔ compare
- PatchTSTHluboké učení↔ compare
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →