SegRNN: Segment Recurrent Neural Network za dugoročno prognoziranje vremenskih nizova
SegRNN je arhitektura rekurentne neuronske mreže za dugoročno prognoziranje vremenskih nizova koju su predložili Shengsheng Lin i suradnici 2023. godine. Umjesto obrade jednog vremenskog koraka odjednom, SegRNN dijeli ulazne sekvence na segmente fiksne duljine i svaki segment predaje kao jedinstveni token u GRU. Ovaj dizajn temeljen na segmentima drastično smanjuje broj rekurentnih iteracija, rješavajući poznatu poteškoću s kojom se RNN-ovi suočavaju pri modeliranju vrlo dugih ovisnosti tijekom mnogih pojedinačnih koraka.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 2). SegRNN (Segment Recurrent Neural Network). ScholarGate. https://scholargate.app/hr/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.
- Gated Recurrent Unit (GRU)Duboko učenje↔ compare
- LSTMDuboko učenje↔ compare
- PatchTSTDuboko učenje↔ compare
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →