Convolutional LSTM Network: A Machine Learning Approach For Precipitation Nowcasting

最新推荐文章于 2022-10-24 23:08:35 发布
最新推荐文章于 2022-10-24 23:08:35 发布
阅读量1.9k 收藏
点赞数
分类专栏： 论文大全
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/LYKymy/article/details/89962851
版权

Abstract

  • 本文将降水量的预报作为一个时空序列预报问题，其输入和预报目标都是时空序列。通过将完全连通的LSTM（FC-LSTM）扩展为在输入到状态和状态到状态转换中都具有卷积结构，我们提出了卷积LSTM（ConvLSTM），并利用它建立了降水预报问题的端到端可训练模型。

Preliminaries

The Model

  • 编码LSTM将整个输入序列压缩为隐藏状态张量，预测LSTM将此隐藏状态展开，以给出最终预测：

ConclusionandFutureWork

  • 本文将降水预报问题表述为一个时空序列预报问题，并提出了一个新的扩展名为convLSTM的方法来解决这一问题。
  • convLSTM层不仅保留了FC-LSTM的优点，而且由于其固有的卷积结构，也适用于时空数据。将convLSTM引入到编码预测结构中，建立了一个降水预报的端到端可训练模型。
铿锵的玫瑰
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Convolutional LSTM Network: A Machine Learning Approach for Precipitation Nowcasting论文阅读
heiha1232的博客
07-22 562
Convolutional LSTM Network: A Machine Learning Approach for Precipitation Nowcasting论文阅读问题描述：传统LSTM结构ConvLSTM结构 问题描述： 时空域序列预测问题：需要通过过去的雷达图预测未来的雷达图： 其中，χ∈RP×M×N\chi\in R^{P\times M\times N}χ∈RP×M×N，表示面积范围 M×NM\times NM×N 的 PPP 个观测，需要通过过去的JJJ个观测预测未来KKK个观测。
Convolutional LSTM Network: A Machine Learning Approach for Precipitation Nowcasting
空字符
11-20 1万+
这篇文章来大致介绍一下ConvLSTM的基本原理和应用场景。个人认为有时候对于一个算法改进很大程度上会受到应用场景的启示，比如现在要说的这篇。不知道论文作者当时想到这个idea时是不是也是这样。 1.论文的核心思想 先来想象一下这么一个应用场景：根据某个城市历史的降雨量数据，来预测在接下来的某个时间t降雨量的多少。根据作者的思路： a.先将城市划分成m×nm\times nm×n的格子（a1,...
【时空序列预测第二篇】Convolutional LSTM Network: A Machine Learning Approach for Precipitation Nowcasting
热门推荐
AI蜗牛车
11-20 1万+
Address https://arxiv.org/pdf/1506.04214.pdf Preliminaries
递归网络之Convolutional LSTM Network: A Machine LearningApproach for Precipitation Nowcasting
画心
03-31 2800
Convolutional LSTM Network: A Machine LearningApproach for Precipitation Nowcasting 文章目录Convolutional LSTM Network: A Machine LearningApproach for Precipitation NowcastingLSTM大致历史回顾原始LSTM+ Forget Gate...
《Convolutional LSTM Network A Machine Learning Approach for Precipitation Nowcasting》论文解读
lianghe77的博客
09-28 2167
Convolutional LSTM Network: A Machine Learning Approach for Precipitation Nowcasting ​ 作者在这篇文章中提出用卷积操作替代矩阵的乘法操作——采用ConvLSTM去取代FC-LSTM，这样做的目的是更好的获取空间特征。 RNN ​ 在讲解ConvLSTM之前，我们需要知道LSTM实际上就...
学习摘要：convolutional-lstm-network-a-machine-learning-approach-for-precipitation-nowcasting
iyangdi的博客
11-28 2166
原文： convolutional-lstm-network-a-machine-learning-approach-for-precipitation-nowcasting 博客内容： 关于该文章的学习摘要
【论文翻译】Convolutional LSTM Network: A Machine Learning Approach for Precipitation Nowcasting
页页读
09-06 1万+
论文：https://arxiv.org/pdf/1506.04214.pdf 代码: (pytorch)：https://github.com/automan000/Convolution_LSTM_pytorch (tensorflow):https://github.com/loliverhennigh/Convolutional-LSTM-in-Tensorflow 笔记：http...
conv_lstm.py例子
01-28
keras 官方例子，深度学习专用，机器学习专用，代码简单，
ConvLSTM precipitation of nowcasting
11-28
关于论文onvolutional-lstm-network-a-machine-learning-approach-for-precipitation-nowcasting的学习摘要
读论文：Convolutional LSTM Network: A Machine Learning Approach for Precipitation Nowcasting
最新发布
a44267113的博客
10-24 1672
扩展LSTM并将其运用到天气预测上
Convolutional LSTM Network A Machine Learning Approach for Precipitation Nowcasting_论文笔记
Sgappti的博客
10-17 866
Convolutional LSTM Network A Machine Learning Approach for Precipitation Nowcasting_论文笔记
ConvLSTM：一种用于降水预报的机器学习方法
weixin_43823175的博客
02-25 6651
ConvLSTM：一种用于降水预报的机器学习方法 论文 Convolutional LSTM Network: A Machine Learning Approach for Precipitation Nowcasting 原文：https://arxiv.org/abs/1506.04214v1 论文主要提出了捕捉空间关系的结构 Convolutional LSTM 模型基于FC-LSTM（原结构没有考虑空间相关性） 摘要 降水临近预报的目标是在相对较短的时间内预测局部区域未来的降雨强度。 以前很少有研
《Convolutional LSTM Network: A Machine Learning Approach for Precipitation Nowcasting》笔记
is80x86的博客
05-16 569
1. 绪论 降水预测的时间紧迫和准确要求比传统天气预报任务（如周平均温度预报）要求更高。 本质上，降水预测是时空序列预测问题，以过往的一系列雷达图作为输入，输出固定数量（>1）的一组将来的雷达图预测。 本文提出全新卷积LSTM（ConvLSTM）网络用于降水预测。 2. 前文 2.1 降水预测问题抽象 用一个M×N矩阵表示平面空间，每个小格中以P表示随时间变化的变量。观察即可以张量表示。 记录观察到的张量，基于观测到的J个状态，计算接下来长度为K的时空序列： 2.2 长短期记忆（L
[ConvLSTM] Convolutional LSTM Network: A Machine Learning Approach for Precipitation Nowcasting阅读笔记
sinat_30618203的博客
04-12 3280
1、主要创新 相比于FC-LSTM，引入卷积层，1）可以充分利用空间关联，2）能够输出图像序列，3）减少参数冗余 2、网络 1）输入 时空序列，特征数目=P，图像大小=MxN，即 ​​​​​​​​​​​​​​ 2）输出 3）网络设计 i: input ga...
【短临预报系列第一篇】Convolutional LSTM Network: A Machine LearningApproach for Precipitation Nowcasting
m0_64557752的博客
07-20 4081
短临预报，雷达回波外推，convLSTM,时序预测
【时空序列预测paper】ConvLSTM:A Machine Learning Approach for Precipitation Nowcasting
qq_46919013的博客
03-11 3336
ConvLSTM论文阅读笔记
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值