MICN: Moniskaalainen isometrinen konvoluutioverkko pitkän aikavälin aikasarjaennustamiseen
MICN (Multi-scale Isometric Convolution Network) on konvolutiivinen neuroverkkoarkkitehtuuri pitkän aikavälin aikasarjaennustamiseen, jonka Huiqiang Wang ja kollegat esittelivät ICLR 2023 -konferenssissa. Sen keskeinen ajatus on kaapata samanaikaisesti sekä paikallisia ajallisia malleja että globaaleja kausiluonteisia riippuvuuksia yhdistämällä moniskaalaisia isometrisiä konvoluutioita ja yhdistävän huomiomekanismin. Tämä mahdollistaa monimutkaisten ajallisten dynamiikkojen tehokkaan ja ilmeikkään mallintamisen ilman täyden itseharkinnan (self-attention) neliöllistä laskentakustannusta.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 2). MICN (Multi-scale Isometric Convolution Network). ScholarGate. https://scholargate.app/fi/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: Näytekonvoluutio- ja interaktiotietoverkko aikasarjaennustamiseenSyväoppiminen↔ compare
- TimesNet: Ajallinen 2D-vaihtelun mallintaminen aikasarjoissaSyväoppiminen↔ compare
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →