SCINet: Sample Convolution and Interaction Network für Zeitreihenprognosen

SCINet ist eine Deep-Learning-Architektur für die mehrstufige Zeitreihenprognose, die von Liu et al. auf der NeurIPS 2022 vorgestellt wurde. Ihre Kernidee ist eine rekursive binäre Baumstruktur von SCI-Blöcken, von denen jeder eine Eingabesequenz in ungerade und gerade indizierte Teilsequenzen aufteilt, Faltungsschichten anwendet, um Interaktionen zwischen Teilsequenzen zu modellieren, und dann die gelernten Repräsentationen zusammenführt. Diese hierarchische Downsampling-Strategie ermöglicht es dem Netzwerk, zeitliche Abhängigkeiten gleichzeitig auf mehreren Auflösungen zu erfassen.