SegRNN: Szegmens Rekurrens Neurális Hálózat Hosszú Távú Idősor-Előrejelzéshez
A SegRNN egy rekurrens neurális hálózat architektúra hosszú távú idősor-előrejelzéshez, amelyet Shengsheng Lin és mtsai javasoltak 2023-ban. Az egyes időlépések feldolgozása helyett a SegRNN bemeneti szekvenciákat fix hosszúságú szegmensekre osztja, és minden szegmenst egyetlen tokennként táplál be egy GRU-ba. Ez a szegmens-alapú kialakítás drasztikusan csökkenti a rekurrens iterációk számát, megoldva azt a jól ismert nehézséget, amellyel az RNN-ek szembesülnek nagyon hosszú függőségek modellezésekor sok egyedi lépésen keresztül.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 2). SegRNN (Segment Recurrent Neural Network). ScholarGate. https://scholargate.app/hu/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.
- Kapuzott rekurrens egység (GRU)Mélytanulás↔ compare
- LSTMMélytanulás↔ compare
- PatchTSTMélytanulás↔ compare
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →