Regjistër i dëshmive metodologjike

SCINet

SCINet is a deep learning architecture for multi-step time-series forecasting introduced by Liu et al. at NeurIPS 2022. Its core idea is a recursive binary-tree structure of SCI-Blocks, each of which splits an input sequence into odd- and even-indexed sub-sequences, applies convolutional filters to model cross-subsequence interactions, and then merges the learned representations. This hierarchical downsampling strategy enables the network to capture temporal dependencies at multiple resolutions simultaneously.

Sources recorded, not reviewed

Regjistri burimor

Citimet kopjuar fjalë për fjalë nga regjistri burimor i metodës. Asnjë verifikim në nivel pretendimi nuk nënkuptohet prej tyre.

SCINet (Sample Convolution and Interaction Network)

Regjistri metodologjik taksonomik · ml-model / deep-learning

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. · URL

Hap metodën e plotë

Pretendime të kuruaruara

Pretendimet e ruajtura në librin e dëshmive, secili me vlerësimin e vet.

Asnjë pretendim i kuruaruar ende

Ky pamje nuk shpik një vlerësim pretendimi kur libri i dëshmive nuk ka asnjë.

Metoda të lidhura

Të gjeneruara nga grafiku metodologjik dhe të paraqitura si marrëdhënie të sugjeruara nga makina — asnjë pretendim dëshmie nuk nënkuptohet.

Taxonomic bucketDLinearmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketTimesNetmachine-suggested · Relational suggestion, not evidence.