分类预测 | MATLAB实现TCN时间卷积神经网络的时序分类预测

分类预测 | MATLAB实现TCN时间卷积神经网络的时序分类预测

目录

    • 分类预测 | MATLAB实现TCN时间卷积神经网络的时序分类预测
      • 基本介绍
      • 模型描述
      • 程序设计
      • 参考资料

基本介绍

使用卷积网络的潜在好处是更好的并行性、更好地控制感受野大小、更好地控制训练期间网络的内存占用以及更稳定的梯度。 就像循环网络一样,卷积网络可以对可变长度的输入序列进行操作,并可用于对序列到序列或序列对一任务进行建模。

模型描述

TCN 的主要构建块是扩张的因果卷积层,它在每个序列的时间步长上运行。 在这种情况下,“因果关系”意味着为特定时间步计算的激活不能依赖于来自未来时间步的激活。
为了从之前的时间步骤构建上下文,多个卷积层通常堆叠在彼此的顶部。 为了实现大的感受野大小,后续卷积层的扩张因子呈指数增长,如下图所示。

分类预测 | MATLAB实现TCN时间卷积神经网络的时序分类预测_第1张图片

  • (1)TCN 在迁移学习方面可能没有那么强的适应能力。这是因为在不同的领域,模型预测所需要的历史信

你可能感兴趣的:(#,TCN时间卷积神经网络,分类预测,深度学习,TCN,时间卷积神经网络,时序分类预测)