【LSTM+Transformer】是近年来在深度学习领域中备受关注的一种混合模型,通过将长短期记忆网络(LSTM)的时序建模能力与Transformer的强大上下文表示能力相结合,显著提升了模型在处理复杂时序数据和自然语言处理任务中的表现。LSTM+Transformer技术在文本生成、机器翻译和时间序列预测等多个领域展示了其潜力和有效性,其创新的方法和良好的表现使其成为研究的热点之一。
为了帮助大家全面掌握LSTM+Transformer的方法并寻找创新点,本文总结了最近两年【LSTM+Transformer】相关的20篇最新论文的研究成果,这些论文的文章、来源以及论文的代码都整理好了,希望能为各位的研究工作提供有价值的参考。
1、EditFollower: Tunable Car Following Models for Customizable Adaptive Cruise Control Systems
-这篇文章提出了一种名为Editable Behavior Generation (EBG) 的数据驱动型车辆跟随模型,旨在为自适应巡航控制系统(Adaptive Cruise Control, ACC)提供可定制的驾驶行为调整功能。当前的ACC系统通常采用固定设置,无法直观地捕捉驾驶员的社会偏好,这可能导致驾驶员与系统功能的脱节。EBG模型通过整合不同的礼貌程度计算方法到长短期记忆(LSTM)和Transformer架构中,提供了一种全面捕捉细微驾驶动态的方法。通过在训练过程中整合不同的不礼貌值,该模型能够生成具有不同礼貌程度的真实车辆跟随行为轨迹。
-文章首先介绍了驾驶技术的现状,指出全自动驾驶车辆尚未普及,因此先进的驾驶辅助系统(ADAS)在提升驾驶体验方面发挥着重要作用。其中,自适应巡航控制(ACC)是ADAS的关键组成部分。然而,现有ACC系统通常使用预设的距离或时间间隔等固定设置,未能满足驾驶员不同的社会偏好,这限制了它们在优化驾驶体验方面的有效性。
-为了克服这些限制,文章提出了EBG模型。该模型首次允许根据驾驶不礼貌程度调整驾驶行为。具体来说,研究者利用带有不礼貌标签的真实车辆跟随数据来训练EBG模型,该模型根据输入的不礼貌值综合模拟跟随车辆的未来轨迹,从而生成现实感强的车辆跟随行为。文章还介绍了在训练期间标记不礼貌值的不同框架,并设计了一种礼貌损失函数,以匹配生成轨迹的不礼貌值与输入值。
-通过在HighD和Waymo数据集上的实验结果,展示了EBG模型与基线相比,在间距和速度均方误差(Mean Squared Error, MSE)上都有所降低,证明了风格可控性。据作者所知,这项工作代表了第一个能够动态调整不礼貌程度的数据驱动车辆跟随模型。该模型为考虑到驾驶员社会偏好的ACC系统的发展提供了宝贵的见解。
-文章还回顾了基于规则的车辆跟随模型和数据驱动模型的相关研究,并讨论了可控驾驶行为的研究进展。此外,文章详细介绍了EBG模型的关键组成部分,包括问题定义、驾驶不礼貌程度的计算方法、模型架构和损失函数。最后,通过在HighD和Waymo数据集上的实验评估,展示了EBG框架的有效性,并讨论了如何通过调整不礼貌程度来控制驾驶行为,为自适应巡航控制功能的发展提供了见解。
-文章以对未来工作的展望结束,提出可能的研究方向,包括探索额外的礼貌程度计算方法、扩展到不同的数据集和驾驶场景评估,以及进行用户研究以收集人类驾驶员对驾驶不礼貌程度的偏好和反馈。
2、Enhancing Robotic Arm Activity Recognition with Vision Transformers and Wavelet-Transformed Channel State Information
-这篇文章介绍了一种新颖的机器学习方法,用于通过室内环境中的信道状态信息(Channel State Information, CSI)测量来识别机械臂活动。该方法结合了离散小波变换(Discrete Wavelet Transform, DWT)和视觉变换器(Vision Transformers, ViT),旨在提高在视线受阻或隐私顾虑较高的场景下,如智能家居应用中,机械臂活动的识别准确性。
-文章首先指出,传统的基于视觉的机械臂活动识别方法依赖于直线视线(Line-of-Sight, LoS),这在某些环境中可能不切实际,并且可能引发隐私问题。作为一种新的范例,被动Wi-Fi感知利用CSI测量来识别室内环境中的人类和机械臂活动。研究者们提出的这种方法在机械臂活动识别方面,尤其是在视线被障碍物阻挡时,不依赖外部或内部传感器或视觉辅助,相较于卷积神经网络(CNN)和长短期记忆(LSTM)模型,展现出了更高的性能。
-文章详细介绍了所提出的基于DWT和ViT的方法。首先,使用DWT作为降噪技术来处理CSI测量数据,以减少由多径干扰和其他无线设备引起的信号衰减和干扰,这些干扰可能会掩盖CSI数据中的微小变化。然后,将降噪后的CSI数据输入到ViT中进行特征提取和分类。ViT利用多头自注意力(MHSA)机制,能够捕捉复杂的时序和空间关系,从而实现对机械臂活动的高准确度识别。
-实验部分,研究者们使用了四种不同的数据收集场景和四种不同的机械臂活动进行了测试。实验结果表明,DWT可以显著提高视觉变换器网络在机械臂活动识别中的准确性。文章还提供了详细的算法伪代码,描述了模型的每个阶段,包括DWT降噪过程和变换器块中的特征提取步骤。
-此外,文章还对不同模型在各个场景下的性能进行了比较分析,包括CNN、CNN-LSTM、Transformer、ViT和ViT-DWT模型。结果显示,ViT-DWT模型在所有场景中均取得了最高的准确率、精确率、召回率和F1分数,证明了其在机械臂活动识别任务中的优越性。
-最后,文章进行了敏感性分析,探讨了不同学习率和批量大小对ViT-DWT模型性能的影响,并确定了最佳的超参数设置。文章得出结论,Wi-Fi感知在人类活动识别(HAR)和机械臂活动识别(RAR)中的有效性已经得到了证实,而本文提出的ViT-DWT方法进一步推动了这一领域的发展。通过持续创新建模技术,可以提高RAR系统的精度和上下文感知能力,从而拓宽Wi-Fi感知应用的范围。
3、New Rotation Period Measurements for Kepler Stars Using Deep Learning: The 100K Sample
-这篇文章提出了一个新的框架,用于从光变曲线预测恒星属性。研究者们分析了开普勒太空任务的光变曲线数据,并开发了一种新工具,用于推导主序星的恒星自转周期。利用这个工具,他们提供了迄今为止最大(108785颗恒星)和最准确(平均误差1.6天)的恒星自转样本。他们的模型,名为LightPred,是一个新颖的深度学习模型,旨在从光变曲线中提取恒星自转周期。该模型采用了一种双分支架构,结合了长短期记忆(LSTM)和Transformer组件,以捕捉数据中的时序和全局特征。
-LightPred模型在模拟光变曲线数据集上进行了训练,这些数据集使用现实斑点模型生成,并通过对开普勒光变曲线的自监督对比预训练来提高其性能。评估表明,LightPred在准确性和鲁棒性方面优于经典方法,如自相关函数(ACF)。研究者们将LightPred应用于开普勒数据集,生成了迄今为止最大的主序星自转周期目录。他们的分析揭示了与先前研究相比,周期向更短的系统性偏移,表明可能需要对恒星年龄估计进行潜在修订。他们还研究了恒星活动对周期确定的影响,并发现了明显的周期-活动关系。此外,他们还证实了轨道周期小于10天的食双星中的潮汐同步现象。
-文章中还讨论了经典自转测量分析方法,包括Lomb-Scargle周期图和自相关函数等,并指出这些方法虽然成功,但可能耗时且难以应用于大型数据集。此外,这些方法通常难以处理表现出多个周期性或不断演变的斑点模式的复杂光变曲线。近年来,机器学习技术在自动化和提高自转周期测量的准确性方面显示出了潜力。特别是深度学习模型,已证明能够从时间序列数据中提取复杂特征,并在广泛的恒星类型和自转周期上进行准确预测。
-文章还介绍了数据驱动的机器学习方法,其中创建了一个模拟光变曲线的数据集来训练模型,并预测所需的属性。然后,使用训练好的模型,可以在真实数据样本上预测属性。研究者们提出了一种数据驱动方法,使用基于模拟的深度学习模型结合自监督学习来推导恒星的内在参数。模型使用预处理的恒星光变曲线以及光变曲线的自相关函数的变化作为输入,并学习预测自转周期和恒星倾角。
-文章的结构包括介绍背景和上下文、讨论先前使用的方法,然后介绍新的分析和结果。研究者们开源了他们的代码,以便其他研究者可以访问和使用。
-总的来说,这篇文章展示了深度学习在从光变曲线中提取基本恒星属性方面的潜力,为理解恒星演化和人群统计学开辟了新的途径。
如何学习大模型 AI ?
由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。
但是具体到个人,只能说是:
“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。
这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。
我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
第一阶段(10天):初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么?
- 大模型是怎样获得「智能」的?
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例:向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段(30天):高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示(Embeddings)
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段(30天):模型训练
恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。
到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2:手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段(20天):商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身:基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例:如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。
如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。