曾经推出过PyTorch实现的LSTM时间序列预测,并开源了其源码。细心的童鞋可能发现了,我之前使用的LSTM是生成式模型,而不是使用判别式进行预测。换言之,就是将序列本身作为输入,下一时刻作为输出,模型表达的是序列的联合概率分布。有兴趣的可以将其改写为判别模型。
此处将使用卷积神经网络(CNN)用于时间序列预测。区别于图像处理(二维卷积如图所示)模型如下:
C1表示卷积操作1
S2表示max-pooling
C3表示卷积操作2
S4表示max-pooling
最后再接一层全连接层输出
CNN用于序列预测时使用的是一维卷积,也就是我们熟悉的离散序列的卷积和,具体公式可以表示为:
a={a0,a1,a2,…,am},L(a)=m+1
b={b0,b1,b2,…,bk},L(b)=k+1
用a*b表示a与b卷积后得到的一