SCINet: רשת קונבולוציה ואינטראקציה לדגימה לחיזוי סדרות עתיות
SCINet היא ארכיטקטורת למידה עמוקה לחיזוי סדרות עתיות מרובות-צעדים, שהוצגה על ידי ליו ואח' ב-NeurIPS 2022. הרעיון המרכזי שלה הוא מבנה רקורסיבי של עץ בינארי של SCI-Blocks, שכל אחד מהם מפצל רצף קלט לתת-רצפים בעלי אינדקסים אי-זוגיים וזוגיים, מיישם מסנני קונבולוציה כדי למדל אינטראקציות בין תת-רצפים, ולאחר מכן ממזג את הייצוגים הנלמדים. אסטרטגיית דגימת-החסר ההיררכית הזו מאפשרת לרשת ללכוד תלויות זמניות ברזולוציות מרובות בו-זמנית.
קראו את השיטה במלואה
התחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- Liu, M., Zeng, A., Chen, M., Xu, Z., Lai, Q., Ma, L., & Xu, Q. (2022). SCINet: Time series modeling and forecasting with sample convolution and interaction. NeurIPS. link ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 2). SCINet (Sample Convolution and Interaction Network). ScholarGate. https://scholargate.app/he/deep-learning/scinet
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.
- DLinear: מודל לינארי מפורק לחיזוי סדרות עתיותלמידה עמוקה↔ compare
- TimesNet: מידול שינויים דו-ממדיים בזמן עבור סדרות עתיותלמידה עמוקה↔ compare