其他文献阅读二（关于时间序列综述）

第五篇：2022 LSTM研究现状综述（中文）

作者：程冬梅

目的：综述LSTM长短期记忆网络

内容：首先是前言说什么是循环神经网络RNN从中引出长短期记忆网络，其次介绍RNN循环神经网络的原理与不足，然后介绍LSTM的发展历史后对LSTM的特点与结构进行介绍，最后总结LSTM的应用领域与未来展望。

特别地：重点讲述了LSTM长短期记忆网络的优点与其结构。进一步了解了LSTM是RNN的一种改进版，克服了RNN的长期依赖和梯度消散的问题。Bi RNN是双向循环神经网络。

注：该文章将LSTM叙述地较为通俗易懂，也比较浅显。学习指数8。

第六篇：2021时间序列特征提取方法研究综述

作者：任守纲

目的：着重介绍时间序列特征提取方法

内容：先介绍时间序列概念，其次简单综述了时间序列分类、聚类和预测三个方面的最新研究进展；然后从时间序列特征特征提取方面进行详细分析；最后分析发展趋势。

特别地：该篇综述将时间序列的特征提取以及介绍叙述较上一篇来说还是比较详细。

注：学习指数7。不是文章不好只是对于我所需要的关键词来说，不需要再读一遍

第七篇：2022结合强化学习自适应候选框挑选的SAR目标检测方法

作者：杜兰

目的：实现SAR合成孔径雷达目标检测

方法：结合强化学习使用Faster R-CNN算法实现目标检测。在区域候选区域产生的大量初始候选框后输入深度强化学习网络确定含有目标的搜索区域位置。

特别地：该文献的关键词有强化学习、Faster R-CNN算法。文章对强化学习的各个要素进行的讲解包括状态、奖励、策略、动作等。可以学习该篇文章的网络结构想法。

结果：该文献提出的方法可以减少复杂背景杂波的影响并减少传统强化学习应用于检测问题的计算量。

注：该文献的关键词值得关注。学习指数8

第八篇：2023基于Tansformer特征融合的时间序列分类网络

作者：段梦梦

目的：使用模型集成的方法处理时间序列分类问题。

方法：使用二重Tansformer特征融合编码器Dual TED进行两两特征融合，再使用基于Transformer的具有样本分布感知特性的分类模块TEH进行分类。

特别地：TFFN：基于Tansformer特征融合的时间序列分类网络。这篇论文是关于处理时间序列数据的。该文章将一些概念描述得较好理解。

结果：TFFN在多个主流时间序列分类数据集上取得了最好的成绩。

注：学习指数8。