SCINet: Minta konvolúciós és interakciós háló idősor-előrejelzéshez
A SCINet egy mélytanulási architektúra többlépéses idősor-előrejelzéshez, amelyet Liu et al. vezettek be a NeurIPS 2022 konferencián. Alapvető ötlete az SCI-Blokkok rekurzív binárisfa szerkezete, amelyek mindegyike egy bemeneti szekvenciát páratlan és páros indexű rész-szekvenciákra bont, konvolúciós szűrőket alkalmaz a rész-szekvenciák közötti interakciók modellezésére, majd egyesíti a tanult reprezentációkat. Ez a hierarchikus lekicsinyítési stratégia lehetővé teszi a hálózat számára, hogy egyszerre több felbontásban rögzítse az időbeli függőségeket.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 2). SCINet (Sample Convolution and Interaction Network). ScholarGate. https://scholargate.app/hu/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: Dekompozíciós lineáris modell idősor-előrejelzéshezMélytanulás↔ compare
- TimesNet: Temporal 2D-Variation Modeling for Time SeriesMélytanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →