MICN: Multi-scale Isometric Convolution Network för långsiktig tidsserieprognostisering
MICN (Multi-scale Isometric Convolution Network) är en faltningsbaserad neural nätverksarkitektur för långsiktig tidsserieprognostisering, introducerad av Huiqiang Wang och kollegor vid ICLR 2023. Dess centrala idé är att samtidigt fånga både lokala temporala mönster och globala säsongsbundna beroenden genom flerfaldiga isometriska faltningar kombinerat med en sammanslagningsmekanism för uppmärksamhet (attention), vilket möjliggör effektiv och uttrycksfull modellering av komplexa temporala dynamiker utan den kvadratiska kostnaden för fullständig självuppmärksamhet.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- Wang, H., Peng, J., Huang, F., Wang, J., Chen, J., & Xiao, Y. (2023). MICN: Multi-scale local and global context modeling for long-term series forecasting. ICLR. link ↗
Så citerar du den här sidan
ScholarGate. (2026, June 2). MICN (Multi-scale Isometric Convolution Network). ScholarGate. https://scholargate.app/sv/deep-learning/micn
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.
- SCINet: Sample Convolution and Interaction Network för tidsserieprognoserDjupinlärning↔ compare
- TimesNet: Temporal 2D-Variation Modeling for Time SeriesDjupinlärning↔ compare
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →