MICN: Daudzskalu izometriskais konvolūciju tīkls ilgtermiņa laika virkņu prognozēšanai
MICN (Multi-scale Isometric Convolution Network) ir konvolucionāls neironu tīkla arhitektūra ilgtermiņa laika virkņu prognozēšanai, ko 2023. gadā ICLR konferencē iepazīstināja Huiqiang Wang un kolēģi. Tās galvenā ideja ir vienlaicīgi uztvert gan lokālos temporālos modeļus, gan globālās sezonālās atkarības, izmantojot daudzskalu izometriskās konvolūcijas, kas apvienotas ar saplūšanas uzmanības mehānismu, nodrošinot efektīvu un izteiksmīgu sarežģītu temporālo dinamiku modelēšanu bez pilnas pašuzmanības kvadrātisko izmaksu.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- Wang, H., Peng, J., Huang, F., Wang, J., Chen, J., & Xiao, Y. (2023). MICN: Multi-scale local and global context modeling for long-term series forecasting. ICLR. link ↗
Kā citēt šo lapu
ScholarGate. (2026, June 2). MICN (Multi-scale Isometric Convolution Network). ScholarGate. https://scholargate.app/lv/deep-learning/micn
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.
- SCINet: paraugu konvolūciju un mijiedarbības tīkls laika virkņu prognozēšanaiDziļā mācīšanās↔ compare
- TimesNet: La laika datu 2D-variāciju modelēšanaDziļā mācīšanās↔ compare
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →