机器学习常用网络

DSCAN

https://www.cnblogs.com/pinard/p/6217852.html

LSTM

https://zhuanlan.zhihu.com/p/32085405

TCN

• https://www.cnblogs.com/USTC-ZCC/p/11734436.html
  https://blog.csdn.net/qq_27586341/article/details/90751794
  tcn.add(TCN(nb_filters=64, #在卷积层中使用的过滤器数。可以是列表。
  kernel_size=3, #在每个卷积层中使用的内核大小。
  nb_stacks=1, #要使用的残差块的堆栈数。
  dilations=[2 ** i for i in range(6)], #扩张列表。示例为：[1、2、4、8、16、32、64]。
  #用于卷积层中的填充,值为’causal’ 或’same’。
  #“causal”将产生因果（膨胀的）卷积，即output[t]不依赖于input[t+1：]。当对不能违反时间顺序的时序信号建模时有用。
  #“same”代表保留边界处的卷积结果，通常会导致输出shape与输入shape相同。
  padding=‘causal’,
  use_skip_connections=True, #是否要添加从输入到每个剩余块的跳过连接。
  dropout_rate=0.1, #在0到1之间浮动。要下降的输入单位的分数。
  return_sequences=False,#是返回输出序列中的最后一个输出还是完整序列。
  activation=‘relu’, #残差块中使用的激活函数 o = Activation(x + F(x)).
  kernel_initializer=‘he_normal’, #内核权重矩阵（Conv1D）的初始化程序。
  use_batch_norm=True, #是否在残差层中使用批处理规范化。
  use_layer_norm=True, #是否在残差层中使用层归一化。
  name=‘tcn’ #使用多个TCN时，要使用唯一的名称