IP屬地：甘肅
-
Temporal Fusion Transformers for Interpretable Multi-horizon Time Series Forecasting摘要 多步（尺度）預(yù)測(cè)通常包含一個(gè)復(fù)雜的輸入組合——包括靜態(tài)（即時(shí)不變）協(xié)變量、已知的未來(lái)輸入，以及其他僅在過(guò)去觀察到的外生時(shí)間序列——沒(méi)有任何...
-
-
詞嵌入Word Embedding傳統(tǒng)表達(dá)：one-hot 將每個(gè)詞表示為一個(gè)長(zhǎng)長(zhǎng)的向量。詞袋：所有詞的不重復(fù)構(gòu)成。 這樣做的缺陷：忽略了句子詞頻信息闯估；面臨高維困境（文本維度隨著...
-
RNN隱狀態(tài) 記憶儲(chǔ)存：h可以對(duì)序列數(shù)據(jù)提供特征，然后再轉(zhuǎn)化為輸出。 U昔头、W：權(quán)值矩陣；b：偏置項(xiàng)影兽；f：激活函數(shù)揭斧，在RNN中一般使用tanh。 一個(gè)箭...
-
LSTM簡(jiǎn)介 在深度RNN中峻堰，由于多hidden layer讹开，存在梯度爆炸和梯度消失的問(wèn)題。而停止學(xué)習(xí)捐名，RNN會(huì)忘記在長(zhǎng)序列中學(xué)習(xí)到的東西旦万，僅擁有短期記...
-
關(guān)于CNN中的認(rèn)知補(bǔ)充卷積 在聽(tīng)沈華偉老師講授GCN中，他回顧了卷積操作镶蹋，也讓我對(duì)卷積更深的認(rèn)識(shí)纸型。例如他有講到，卷積操作梅忌，實(shí)質(zhì)上輸入數(shù)組與卷積核作“卷積操作”狰腌，這里的...
-
CNN
和BP網(wǎng)絡(luò)不同的是，cnn的特點(diǎn)是權(quán)值共享（卷積核filter）牧氮，并且不需要人工的特征分析琼腔。 在BP網(wǎng)絡(luò)中，我們使用的是全連接踱葛，即每層神經(jīng)元都會(huì)...
-
tensorflow中keras.models()的使用總結(jié)初學(xué)者在調(diào)用keras時(shí)丹莲，不需要糾結(jié)于選擇tf.keras還是直接import keras光坝，現(xiàn)如今兩者沒(méi)有區(qū)別。從具體實(shí)現(xiàn)上來(lái)講甥材，Keras是T...
-
one-hot與啞變量（dummy variable）one-hot encoding 關(guān)于one-hot編碼的具體介紹盯另，可以參考我之前的一篇博客，博客地址：特征提取方法: one-hot 和 IF...