MICN: Multi-scale Isometric Convolution Network til langsigtet tidsserie-prognoser
MICN (Multi-scale Isometric Convolution Network) er en konvolutionel neural netværksarkitektur til langsigtet tidsserie-prognoser, introduceret af Huiqiang Wang og kolleger ved ICLR 2023. Dens centrale idé er at fange både lokale tidsmæssige mønstre og globale sæsonmæssige afhængigheder samtidigt gennem multi-skala isometriske konvolutioner kombineret med en merge attention-mekanisme, hvilket muliggør effektiv og udtryksfuld modellering af komplekse tidsmæssige dynamikker uden den kvadratiske omkostning ved fuld self-attention.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Wang, H., Peng, J., Huang, F., Wang, J., Chen, J., & Xiao, Y. (2023). MICN: Multi-scale local and global context modeling for long-term series forecasting. ICLR. link ↗
Sådan citerer du denne side
ScholarGate. (2026, June 2). MICN (Multi-scale Isometric Convolution Network). ScholarGate. https://scholargate.app/da/deep-learning/micn
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.
- SCINet: Sample Convolution and Interaction Network for Time-Series ForecastingDyb læring↔ compare
- TimesNet: Temporal 2D-Variation Modeling for Time SeriesDyb læring↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →