Machine learningTime-series forecasting
SegRNN: 장기 시계열 예측을 위한 세그먼트 순환 신경망
SegRNN은 Shengsheng Lin 등이 2023년에 제안한 장기 시계열 예측을 위한 순환 신경망 아키텍처입니다. SegRNN은 한 번에 하나의 시점(time step)을 처리하는 대신, 입력 시퀀스를 고정 길이의 세그먼트로 분할하고 각 세그먼트를 단일 토큰으로 GRU에 입력합니다. 이러한 세그먼트 기반 설계는 순환 반복 횟수를 대폭 줄여, RNN이 개별 시점들을 많이 거치면서 매우 긴 의존성을 모델링하는 데 직면하는 잘 알려진 어려움을 해결합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 2). SegRNN (Segment Recurrent Neural Network). ScholarGate. https://scholargate.app/ko/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 →