SegRNN: Segment Recurrent Neural Network pitkän aikavälin aikasarjaennustamiseen
SegRNN on rekurrentti neuroverkkoarkkitehtuuri pitkän aikavälin aikasarjaennustamiseen, jonka Shengsheng Lin et al. esittivät vuonna 2023. Sen sijaan, että käsiteltäisiin yksi aikapiste kerrallaan, SegRNN jakaa syötesekvenssit kiinteän pituisiksi segmenteiksi ja syöttää kunkin segmentin yhtenä tokenina GRU:hun. Tämä segmenttipohjainen suunnittelu vähentää dramaattisesti rekurrenttien iteraatioiden määrää, ratkaisten tunnetun vaikeuden, jonka RNN:t kohtaavat mallinnettaessa hyvin pitkiä riippuvuuksia monien yksittäisten askelten yli.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- Lin, S., Lin, W., Wu, W., Zhao, F., Mo, R., & Zhang, H. (2023). SegRNN: Segment recurrent neural network for long-term time series forecasting. arXiv preprint. link ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 2). SegRNN (Segment Recurrent Neural Network). ScholarGate. https://scholargate.app/fi/deep-learning/segrnn
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.
Compare side by side →Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →