SCINet: Kampion i Konvolucionit dhe Rrjeti i Ndërveprimit për Parashikimin e Serive Kohore
SCINet është një arkitekturë e thellë mësimore për parashikimin e serive kohore me shumë hapa, prezantuar nga Liu et al. në NeurIPS 2022. Ideja e saj kryesore është një strukturë rekursive me pemë binare e Bllokimeve SCI, secila prej të cilave ndan një seri hyrëse në nën-seri me indekse tek dhe çift, aplikon filtra konvolucionalë për të modeluar ndërveprimet ndër-nën-seri, dhe më pas bashkon përfaqësimet e mësuara. Kjo strategji hierarkike e zvogëlimit të poshtëm i mundëson rrjetit të kapë varësitë kohore në rezolucione të shumta njëkohësisht.
Lexoni metodën e plotë
Hyni me një llogari falas për ta lexuar këtë seksion.
Method map
The neighbourhood of related methods — select a node to explore.
Burimet
- Liu, M., Zeng, A., Chen, M., Xu, Z., Lai, Q., Ma, L., & Xu, Q. (2022). SCINet: Time series modeling and forecasting with sample convolution and interaction. NeurIPS. link ↗
Si ta citoni këtë faqe
ScholarGate. (2026, June 2). SCINet (Sample Convolution and Interaction Network). ScholarGate. https://scholargate.app/sq/deep-learning/scinet
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.
- DLinear: Model Linear për Parashikimin e Vargjeve Kohore bazuar në DekompozimMësimi i thellë↔ compare
- TimesNet: Modelimi 2D-Temporal i Variacionit për Serinë KohoreMësimi i thellë↔ compare
Cituar nga
Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →