BriefGPT - AI 论文速递
·
利用分层卷积学习动态相关性并通过降噪长期序列预测
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
提出了一种Hierarchical Memorizing Network (HMNet)模型，通过引入分层卷积结构、动态变量交互模块和自适应去噪模块，实现了对序列的多尺度信息提取、动态相关性学习和类似模式的去噪。实验证明HMNet在多个基准测试上明显优于现有模型。
🎯
关键要点
- 提出了一种Hierarchical Memorizing Network (HMNet)模型。
- HMNet通过引入分层卷积结构实现多尺度信息提取。
- 动态变量交互模块用于学习变量之间的动态相关性。
- 自适应去噪模块用于去除类似模式的噪声。
- 实验证明HMNet在多个基准测试上优于现有模型。
➡️
