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