SegRNN: Segmentna Rekurentna Neuronska Mreža za Dugoročno Predviđanje Vremenskih Serija
SegRNN je arhitektura rekurentne neuronske mreže za dugoročno predviđanje vremenskih serija koju su predložili Shengsheng Lin et al. 2023. Umesto da obrađuje jedan vremenski korak u nizu, SegRNN deli ulazne sekvence na segmente fiksne dužine i svaki segment unosi kao pojedinačni token u GRU. Ovaj dizajn zasnovan na segmentima drastično smanjuje broj rekurentnih iteracija, rešavajući dobro poznatu poteškoću sa kojom se RNN-ovi suočavaju pri modeliranju veoma dugih zavisnosti tokom mnogo pojedinačnih koraka.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 2). SegRNN (Segment Recurrent Neural Network). ScholarGate. https://scholargate.app/sr/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)Duboko učenje↔ compare
- LSTMDuboko učenje↔ compare
- PatchTSTDuboko učenje↔ compare
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →