SegRNN: Segment Recurrent Neural Network til Langtids Tidsserieprognoser
SegRNN er en rekurrent neuralt netværksarkitektur til langtids tidsserieprognoser foreslået af Shengsheng Lin et al. i 2023. I stedet for at behandle ét tidstrin ad gangen, opdeler SegRNN inputsekvenser i segmenter af fast længde og føder hvert segment som et enkelt token ind i en GRU. Dette segmentbaserede design reducerer drastisk antallet af rekurrent iterationer, hvilket adresserer den velkendte vanskelighed, som RNN'er står over for, når de modellerer meget lange afhængigheder over mange individuelle trin.
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
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 2). SegRNN (Segment Recurrent Neural Network). ScholarGate. https://scholargate.app/da/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.
Compare side by side →Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →