SegRNN: Сегментная рекуррентная нейронная сеть для долгосрочного прогнозирования временных рядов
SegRNN — это архитектура рекуррентной нейронной сети для долгосрочного прогнозирования временных рядов, предложенная Шэншэн Линь и др. в 2023 году. Вместо обработки одного временного шага за раз, SegRNN разбивает входные последовательности на сегменты фиксированной длины и подает каждый сегмент как единый токен в GRU. Такая сегментная конструкция резко сокращает количество рекуррентных итераций, решая известную проблему, с которой сталкиваются RNN при моделировании очень длинных зависимостей на множестве отдельных шагов.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 2). SegRNN (Segment Recurrent Neural Network). ScholarGate. https://scholargate.app/ru/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.
- Управляемый рекуррентный блок (GRU)Глубокое обучение↔ compare
- LSTMГлубокое обучение↔ compare
- PatchTSTГлубокое обучение↔ compare
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →