SegRNN: Jaringan Saraf Berulang Segmen untuk Peramalan Deret Waktu Jangka Panjang
SegRNN adalah arsitektur jaringan saraf berulang untuk peramalan deret waktu jangka panjang yang diusulkan oleh Shengsheng Lin et al. pada tahun 2023. Alih-alih memproses satu langkah waktu pada satu waktu, SegRNN mempartisi urutan masukan menjadi segmen-segmen dengan panjang tetap dan memasukkan setiap segmen sebagai satu token ke dalam GRU. Desain berbasis segmen ini secara drastis mengurangi jumlah iterasi berulang, mengatasi kesulitan yang terkenal dihadapi RNN dalam memodelkan dependensi yang sangat panjang selama banyak langkah individual.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 2). SegRNN (Segment Recurrent Neural Network). ScholarGate. https://scholargate.app/id/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.
- Unit Berulang Gerbang (GRU)Pembelajaran Mendalam↔ compare
- LSTMPembelajaran Mendalam↔ compare
- PatchTSTPembelajaran Mendalam↔ compare
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →