- 博客(3)
- 收藏
- 关注
原创 Toward Improved Predictions in Ungauged Basins: Exploiting the Power of Machine Learning——论文精读
1,2对比是有没有静态特征输入,评估流域属性的价值,2,3对比告诉我们由于样本外的预测和样本内的预测丢失了多少信息,pub是未计量盆地预测。就是利用LSTM在可观测流域提取有用的信息从而为未观测的流域进行预测,结果表明,样本外LSTM平均优于SAC-SMA以及分布式模型NWM。使用LSTM以NLDLS气象强迫数据作为每个时间步长的输入。此外,在每个时间步长,气象输入随流域增加。具有静态流域属性的全局LSTM模型要比其它模型更好。
2024-05-18 16:47:43
292
原创 Seq2eq模型学习心得:
Decoder是个RNN,也可以是LSTM、GRU等,将encoder得到的语义向量作为初始状态输入到Decoder的RNN中,得到输出序列。可以看到上一时刻的输出会作为当前时刻的输入,而且其中语义向量只作为初始状态参与运算,后面的运算都与语义向量无关。Encoder是一个RNN,也可以是LSTM、GRU等,接收的是每一个单词的词向量,和上一个时间点的隐藏状态。decoder处理方式还有另外一种,就是语义向量参与了序列所有时刻的运算,上一时刻的输出仍然作为当前时刻的输入,但语义向量会参与所有时刻的运算。
2024-05-14 10:43:27
174
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人