MICN: Multi-scale Isometric Convolution Network for Long-term Time-series Forecasting
MICN (Multi-scale Isometric Convolution Network) er en arkitektur for konvolusjonelle nevrale nettverk for langsiktig tidsserieprognostisering, introdusert av Huiqiang Wang og kolleger ved ICLR 2023. Dens sentrale idé er å fange både lokale tidsmønstre og globale sesongavhengigheter samtidig gjennom multi-skala isometriske konvolusjoner kombinert med en "merge attention"-mekanisme, noe som muliggjør effektiv og uttrykksfull modellering av komplekse tidsdynamikker uten den kvadratiske kostnaden ved full "self-attention".
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 2). MICN (Multi-scale Isometric Convolution Network). ScholarGate. https://scholargate.app/no/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 for TidsserieprognoserDyp læring↔ compare
- TimesNet: Temporal 2D-Variation Modeling for Time SeriesDyp læring↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →