SegRNN: Rede Neural Recorrente Segmentada para Previsão de Séries Temporais de Longo Prazo

SegRNN é uma arquitetura de rede neural recorrente para previsão de séries temporais de longo prazo proposta por Shengsheng Lin et al. em 2023. Em vez de processar um passo de tempo de cada vez, SegRNN particiona sequências de entrada em segmentos de comprimento fixo e alimenta cada segmento como um único token em uma GRU. Este design baseado em segmentos reduz drasticamente o número de iterações recorrentes, abordando a dificuldade bem conhecida que as RNNs enfrentam ao modelar dependências muito longas ao longo de muitos passos individuais.