lstm如何输入多维序列_深度学习也可以做时间序列异常诊断

最近在看的一篇论文里，用到了GRU、VAE等技术来做多维时间序列异常诊断。

那么今天首先来聊一聊深度学习的基础知识，然后简单说一下论文。

以下基础知识部分的内容，主要来源于李宏毅老师的课程。有兴趣的可以去看李老师的课程哦

https://www.bilibili.com/video/BV1JE411g7XF?p=1

1、GRU（Gate Recurrent Unit）:

GRU是循环神经网络（Recurrent Neural Network, RNN）的一种，和LSTM（Long-Short Term Memory）一样，也是为了解决长期记忆和反向传播中的梯度等问题而提出来的。

概括来说，LSTM和CRU都是通过各种门函数来将重要特征保留下来，这样就保证了在long-term传播的时候也不会丢失。

而且，GRU相对于LSTM少了一个门函数，GRU 只剩下两个门，即更新门和重置门。从直观上来说，重置门决定了如何将新的输入信息与前面的记忆相结合，更新门定义了前面记忆保存到当前时间步的量。

因此，GRU参数的数量上也是要少于LSTM的，所以整体上GRU的训练速度要快于LSTM的。

2、自编码器（auto-encoder）:

auto encoder是一种无监督