![](https://img-blog.csdnimg.cn/20201014180756926.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
卉卉卉大爷
这个作者很懒,什么都没留下…
展开
-
Attention——《Attention is all you need》
翻译自 The Annotated TransformerAttention一个Attention function的作用可以被描述为,将 一个query 和 一组key-value对 映射到 一个output,其中query、keys、values、output都是vector。这个output是所有value的加权和,每个value的权值通过由 a compatibility function 计算的这个query和对应的key的注意力得到。这篇文章中的Attention为 “Scaled Dot翻译 2020-05-15 16:31:40 · 246 阅读 · 0 评论 -
LGnet——具有缺失值的多变量时间序列预测的局部和全局时间动力学联合建模
LGnet——具有缺失值的多变量时间序列预测的局部和全局时间动力学联合建模Joint Modeling of Local and Global Temporal Dynamics for Multivariate Time Series Forecasting with Missing Values作者: Xianfeng Tang, Suhang Wang备注:Accepted by AAAI 20201、MTS forecasting with LSTM整体预测模型使用LSTM,但是由于数据翻译 2020-07-14 10:51:27 · 2229 阅读 · 0 评论 -
Comprehensive Analysis of Time Series Forecasting Using Neural Networks
1、INTRODUCTION时间序列预测近年来受到了广泛的关注。这是因为许多现象,如股票价格,温度和天气可以建模为时间序列。在时序数据中最基本的挑战是不同时间点的观测是相互关联的,这使得一些改变或排列观测顺序的算法无法使用。科学家和研究人员对时间序列预测做了广泛的研究,如[1],[2],[3],[4],[5]。他们从各个领域借鉴工具,如图形建模和统计,以提高预测的准确性。例如,在[1]和[2]中,作者使用隐马尔科夫模型(HMM)来预测时间序列数据。在[2]中,作者证明了隐马尔可夫模型在预测学生在教育游翻译 2020-08-31 19:59:23 · 643 阅读 · 0 评论 -
Time Series Data Augmentation for Deep Learning: A Survey
Time Series Data Augmentation for Deep Learning: A SurveyIntroduction深度学习近年来也被广泛地应用到 时间序列分类(time series classification)、时间序列预测( time series forecasting )、时间序列异常监测(time series anomaly detection)。深度学习的成功很大程度上依赖于大量的训练数据来避免过度拟合。不幸的是,许多时间序列任务没有足够的标记数据。数据增强(D原创 2020-08-31 19:59:43 · 1702 阅读 · 0 评论 -
模态综合医疗时间序列数据:REAL-VALUED (MEDICAL) TIME SERIES GENERATION WITH RECURRENT CONDITIONAL GANS
2、RELATED WORK从2014年,GAN框架就引起了大家的关注,大多数工作集中在图像生成。(Choi et al., 2017) 设计了 GAN 来生成 综合性的电子病历数据(EHR)。这些EHRs包含二值、多值变量,例如 ICD-9编码、药物(medication)、程序代码(procedure codes)。他们关注于一位患者的 离散值的数据、生成的 snapshots,与之对应的我们关注的是 真实、时间序列数据。未来工作可以结合这些研究来生成 多模态综合医疗时间序列数据(multi-moda原创 2020-09-01 20:05:59 · 2168 阅读 · 0 评论 -
神经了的ODE:Neural Ordinary Differential Equations
Abstract我们介绍深度神经网络模型的一个新家族。我们使用神经网络参数化隐藏状态的导数,而不是指定一个离散的隐藏层序列。网络的输出使用一个黑盒微分求解器进行计算(blackbox differential equation solver)。这些连续深度模型需要的存储成本恒定、针对不同输入调整评估策略(evaluation strategy)、可以用数值精度换取速度。我们在 continuous-depth residual networks 和 continuous-time latent vari翻译 2020-09-09 08:48:04 · 4326 阅读 · 1 评论