SegRNN: Сегментна рекурентна нейронна мережа для довгострокового прогнозування часових рядів
SegRNN — це архітектура рекурентної нейронної мережі для довгострокового прогнозування часових рядів, запропонована Шеншен Лінь та ін. у 2023 році. Замість обробки одного часового кроку за раз, SegRNN розбиває вхідні послідовності на сегменти фіксованої довжини та подає кожен сегмент як один токен до GRU. Така сегментно-орієнтована конструкція різко зменшує кількість рекурентних ітерацій, вирішуючи відому проблему, з якою стикаються RNN при моделюванні дуже довгих залежностей протягом багатьох окремих кроків.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 2). SegRNN (Segment Recurrent Neural Network). ScholarGate. https://scholargate.app/uk/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.
- Блокований рекурентний блок (GRU)Глибоке навчання↔ compare
- LSTMГлибоке навчання↔ compare
- PatchTSTГлибоке навчання↔ compare
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →