SegRNN: Red Neuronal Recurrente Segmentada para Predicción a Largo Plazo de Series Temporales

SegRNN es una arquitectura de red neuronal recurrente para la predicción a largo plazo de series temporales propuesta por Shengsheng Lin et al. en 2023. En lugar de procesar un paso de tiempo a la vez, SegRNN particiona las secuencias de entrada en segmentos de longitud fija y alimenta cada segmento como un único token a una GRU. Este diseño basado en segmentos reduce drásticamente el número de iteraciones recurrentes, abordando la conocida dificultad que enfrentan las RNN al modelar dependencias muy largas a lo largo de muchos pasos individuales.