Machine learningTime-series forecasting
SegRNN: 長期時系列予測のためのセグメント再帰型ニューラルネットワーク
SegRNNは、Shengsheng Linらによって2023年に提案された、長期時系列予測のための再帰型ニューラルネットワークアーキテクチャです。SegRNNは、一度に1つのタイムステップを処理する代わりに、入力シーケンスを固定長のセグメントに分割し、各セグメントを単一のトークンとしてGRUに入力します。このセグメントベースの設計は、再帰的な反復回数を劇的に削減し、RNNが多くの個々のステップにわたる非常に長い依存関係をモデル化する際に直面する、よく知られた困難に対処します。
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
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 2). SegRNN (Segment Recurrent Neural Network). ScholarGate. https://scholargate.app/ja/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.
Compare side by side →