SegRNN: Επαναλαμβανόμενο Νευρωνικό Δίκτυο Τμημάτων για Μακροπρόθεσμη Πρόβλεψη Χρονοσειρών

Το SegRNN είναι μια αρχιτεκτονική επαναλαμβανόμενου νευρωνικού δικτύου για μακροπρόθεσμη πρόβλεψη χρονοσειρών που προτάθηκε από τους Shengsheng Lin et al. το 2023. Αντί να επεξεργάζεται ένα χρονικό βήμα τη φορά, το SegRNN διαμερίζει τις ακολουθίες εισόδου σε τμήματα σταθερού μήκους και τροφοδοτεί κάθε τμήμα ως ένα μόνο διακριτικό (token) σε ένα GRU. Αυτός ο σχεδιασμός βάσει τμημάτων μειώνει δραστικά τον αριθμό των επαναλαμβανόμενων επαναλήψεων, αντιμετωπίζοντας τη γνωστή δυσκολία που αντιμετωπίζουν τα RNNs κατά τη μοντελοποίηση πολύ μακρινών εξαρτήσεων σε πολλά μεμονωμένα βήματα.