时序数据预测
文章平均质量分 95
Tialyg
努力提升中…
读研ing
展开
-
[时序数据趋势预测]论文阅读思考总结[2022.3.25-2022.4.1]
文章目录1.时序数据预测为什么要用LSTM网络?1.时序数据预测为什么要用LSTM网络?在使用深度学习处理时序数据时,RNN是经常用到的模型之一。在深度学习领域中(尤其是RNN),“长期依赖“问题是普遍存在的。长期依赖产生的原因是当神经网络的节点经过许多阶段的计算后,之前比较长的时间片的特征已经被覆盖,导致产生梯度消失/爆炸。处理梯度爆炸可以采用梯度截断的方法。所谓梯度截断是指将梯度值超过阈值θ \thetaθ的梯度手动降到θ \thetaθ 。梯度消失不能简单的通过类似梯度截断的阈值式方法来解决原创 2022-04-14 10:15:12 · 1355 阅读 · 1 评论 -
[时间序列趋势预测]前期知识汇总
文章目录1.降维方法2.回声状态网络(ESN)3.LSTM网络4.PSO算法(粒子群优化算法)过程5.Adam算法6.RMSprop算法-优化算法7.迁移学习中特征向量提取以及微调8.FdeAVG算法在阅读论文《基于改进联邦学习的时序数据趋势跟踪及应用_胡尧》时涉及到的算法,仅次记录1.降维方法机器学习中会用到降维方法,常用的降维方法有两种:PCA(主成分分析)和SVD(奇异值分解)SVD奇异值分解作为一个很基本的算法,在很多机器学习算法中都有它的身影。SVD奇异值分解是线性代数中一种重要的矩阵分解原创 2022-03-23 16:35:03 · 1961 阅读 · 0 评论