SegRNN: Segment Recurrent Neural Network for Long-Term Time Series Forecasting

SegRNN er en arkitektur for rekurrent nevralt nettverk for langsiktig tidsserieprognoser foreslått av Shengsheng Lin et al. i 2023. I stedet for å behandle ett tidsskritt om gangen, deler SegRNN innputtsekvenser i segmenter med fast lengde og mater hvert segment som et enkelt token inn i en GRU. Dette segmentbaserte designet reduserer drastisk antallet rekurrent iterasjoner, og adresserer den velkjente vanskeligheten RNN-er har med å modellere svært lange avhengigheter over mange individuelle trinn.