MICN: Rangkaian Konvolusi Isometrik Pelbagai Skala untuk Ramalan Deret Masa Jangka Panjang
MICN (Multi-scale Isometric Convolution Network) ialah seni bina rangkaian saraf konvolusional untuk ramalan deret masa jangka panjang yang diperkenalkan oleh Huiqiang Wang dan rakan-rakannya di ICLR 2023. Idea utamanya adalah untuk menangkap kedua-dua corak temporal tempatan dan kebergantungan bermusim global secara serentak melalui konvolusi isometrik pelbagai skala yang digabungkan dengan mekanisme perhatian gabungan, membolehkan pemodelan dinamik temporal yang kompleks secara cekap dan ekspresif tanpa kos kuadratik perhatian kendiri penuh.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 2). MICN (Multi-scale Isometric Convolution Network). ScholarGate. https://scholargate.app/ms/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: Sample Convolution and Interaction Network untuk Ramalan Deret MasaPembelajaran Mendalam↔ compare
- TimesNet: Pemodelan Variasi Temporal 2D untuk Siri MasaPembelajaran Mendalam↔ compare
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →