SegRNN: Segment Recurrent Neural Network สำหรับการพยากรณ์อนุกรมเวลาแบบระยะยาว
SegRNN เป็นสถาปัตยกรรมโครงข่ายประสาทเทียมแบบเวียนซ้ำ (recurrent neural network) สำหรับการพยากรณ์อนุกรมเวลาแบบระยะยาวที่นำเสนอโดย Shengsheng Lin และคณะ ในปี 2023 แทนที่จะประมวลผลทีละช่วงเวลา (time step) SegRNN จะแบ่งลำดับข้อมูลนำเข้าออกเป็นส่วน (segment) ที่มีความยาวคงที่ และป้อนแต่ละส่วนเป็นโทเค็นเดียวเข้าสู่ GRU การออกแบบที่ใช้ส่วนนี้ช่วยลดจำนวนรอบการเวียนซ้ำลงอย่างมาก ซึ่งช่วยแก้ปัญหาความยากลำบากที่ RNNs ประสบในการสร้างแบบจำลองความสัมพันธ์ระยะยาวที่ครอบคลุมช่วงเวลาจำนวนมาก
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 2). SegRNN (Segment Recurrent Neural Network). ScholarGate. https://scholargate.app/th/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)การเรียนรู้เชิงลึก↔ compare
- แอลเอสทีเอ็มการเรียนรู้เชิงลึก↔ compare
- PatchTSTการเรียนรู้เชิงลึก↔ compare