MICN: شبکه کانولوشن ایزومتریک چندمقیاسی برای پیشبینی سریهای زمانی بلندمدت
MICN (شبکه کانولوشن ایزومتریک چندمقیاسی) یک معماری شبکه عصبی کانولوشنال برای پیشبینی سریهای زمانی بلندمدت است که توسط هویچیانگ وانگ و همکارانش در ICLR 2023 معرفی شد. ایده اصلی آن، ثبت همزمان الگوهای زمانی محلی و وابستگیهای فصلی سراسری از طریق کانولوشنهای ایزومتریک چندمقیاسی ترکیبشده با مکانیزم توجه ادغام (merge attention) است که مدلسازی کارآمد و گویای پویاییهای زمانی پیچیده را بدون هزینه مربعی خودتوجهی کامل (full self-attention) امکانپذیر میسازد.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 2). MICN (Multi-scale Isometric Convolution Network). ScholarGate. https://scholargate.app/fa/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: شبکهی کانولوشن و تعامل نمونه برای پیشبینی سری زمانییادگیری عمیق↔ compare
- TimesNet: مدلسازی تغییرات دوبعدی زمانی برای سریهای زمانییادگیری عمیق↔ compare
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →