SegRNN: Segment Recurrent Neural Network pre dlhodobé predikcie časových radov
SegRNN je rekurentná neurónová sieťová architektúra pre dlhodobé predikcie časových radov, ktorú navrhli Shengsheng Lin et al. v roku 2023. Namiesto spracovania jedného časového kroku naraz, SegRNN rozdeľuje vstupné sekvencie na segmenty pevnej dĺžky a každý segment podáva ako jeden token do GRU. Tento segmentovo orientovaný dizajn drasticky znižuje počet rekurentných iterácií, čím rieši známy problém RNN pri modelovaní veľmi dlhých závislostí cez mnohé jednotlivé kroky.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 2). SegRNN (Segment Recurrent Neural Network). ScholarGate. https://scholargate.app/sk/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.
- Gated Recurrent Unit (GRU)Hlboké učenie↔ compare
- LSTMHlboké učenie↔ compare
- PatchTSTHlboké učenie↔ compare
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →