Machine learningTime-series forecasting
SCINet: 時系列予測のためのサンプル畳み込みおよび相互作用ネットワーク
SCINetは、LiuらによってNeurIPS 2022で発表された多段階時系列予測のための深層学習アーキテクチャである。その中心的なアイデアは、SCI-Blockの再帰的な二分木構造であり、各SCI-Blockは入力シーケンスを奇数番目と偶数番目のサブシーケンスに分割し、畳み込みフィルタを適用してサブシーケンス間の相互作用をモデル化し、学習された表現をマージする。この階層的なダウンサンプリング戦略により、ネットワークは複数の解像度で同時に時間的依存性を捉えることができる。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 2). SCINet (Sample Convolution and Interaction Network). ScholarGate. https://scholargate.app/ja/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.
Compare side by side →