SegRNN: Segmentu rekurentais neironu tīkls ilgtermiņa laika rindu prognozēšanai
SegRNN ir rekurentā neironu tīkla arhitektūra ilgtermiņa laika rindu prognozēšanai, ko 2023. gadā piedāvāja Shengsheng Lin et al. Tā vietā, lai apstrādātu pa vienam laika solim, SegRNN sadala ievades secības fiksēta garuma segmentos un katru segmentu ievada GRU kā vienu marķieri. Šis uz segmentiem balstītais dizains krasi samazina rekurento iterāciju skaitu, risinot labi zināmās grūtības, ar kurām saskaras RNN, modelējot ļoti ilgas atkarības daudzos atsevišķos soļos.
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
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 2). SegRNN (Segment Recurrent Neural Network). ScholarGate. https://scholargate.app/lv/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.
- Iegādīts rekurents vienums (GRU)Dziļā mācīšanās↔ compare
- ILSMDziļā mācīšanās↔ compare
- PatchTSTDziļā mācīšanās↔ compare
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →