MICN: เครือข่ายคอนโวลูชันแบบไอโซเมตริกหลายสเกลสำหรับการพยากรณ์อนุกรมเวลาแบบระยะยาว
MICN (Multi-scale Isometric Convolution Network) เป็นสถาปัตยกรรมโครงข่ายประสาทเทียมแบบคอนโวลูชันสำหรับการพยากรณ์อนุกรมเวลาแบบระยะยาวที่นำเสนอโดย Huiqiang Wang และคณะ ในงาน ICLR 2023 แนวคิดหลักคือการจับรูปแบบเชิงเวลาเฉพาะที่และการพึ่งพาตามฤดูกาลทั่วโลกพร้อมกันผ่านคอนโวลูชันแบบไอโซเมตริกหลายสเกลที่รวมกับกลไกการใส่ใจแบบรวม (merge attention mechanism) ทำให้สามารถสร้างแบบจำลองพลวัตเชิงเวลาที่ซับซ้อนได้อย่างมีประสิทธิภาพและสื่อความหมาย โดยไม่ต้องเสียค่าใช้จ่ายแบบกำลังสองของการใส่ใจตนเองแบบเต็ม (full self-attention)
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 2). MICN (Multi-scale Isometric Convolution Network). ScholarGate. https://scholargate.app/th/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.
- SCINetการเรียนรู้เชิงลึก↔ compare
- TimesNet: การสร้างแบบจำลองความแปรปรวนเชิงพื้นที่ 2 มิติสำหรับอนุกรมเวลาการเรียนรู้เชิงลึก↔ compare