5 thời gian danh sách
Văn chương bình quân chất lượng phân 84
Thăm dò có quan hệ thời gian danh sách mô hình
Đinh duyên hà
Cộng đồng học tập
Triển khai
-
8 thời gian danh sách tương quan công cụ giới thiệu
NeuralForecastNguyên sang 2024-09-26 15:02:29 · 673 đọc · 0 bình luận -
7 thời gian danh sách đơn đặc thù: Nhiều đưa vào -> nhiều phát ra (LSTM/GRU/TCN)
Thời gian danh sáchNguyên sang 2024-08-02 15:38:43 · 519 đọc · 0 bình luận -
7.2 đơn lượng biến đổi ( nhiều -> nhiều ), attention/informer
Thời gian danh sáchNguyên sang 2024-08-02 16:46:47 · 296 đọc · 1 bình luận -
6 thời gian danh sách ( bất đồng vị trí trang bị như thế nào kiến mô ): GRU+Embedding
Rất nhiều thuật toán thi đấu thường xuyên sẽ gặp được bất đồng vật thể sinh ra cùng hàm nghĩa thời gian danh sách tin tức, tỷ như bất đồng vị trí thời gian danh sách tin tức, sức gió phát điện, nạp điện cọc dùng điện. Thường xuyên sẽ gặp được nên như thế cảnh tượng, đối sở hữu số liệu làm thống nhất xử lý đút cho mô hình, mô hình rất khó học được phân chia tin tức, bởi vậy thiết kế nếu đối bất đồng vị trí trang bị làm khảm nhập thao tác, đây cũng là bổn văn viết chủ yếu mục đích chi nhất, nếu đối bất đồng vị trí trang bị khi số thứ tự theo làm mô hình đâu?Nguyên sang 2024-01-22 10:51:26 · 817 đọc · 0 bình luận -
5 thời gian danh sách đoán trước nhập môn: LSTM+Transformer
`` Python ```- `d_model`: Đưa vào cùng phát ra đặc thù duy độ ( che giấu đơn nguyên số ). - `nhead`: Nhiều đầu lực chú ý cơ chế trung đầu số. - `dim_feedforward`: Trước tặng mạng lưới thần kinh trung gian tầng duy độ. - `dropout`: Dropout tầng vứt bỏ suất. - `activation`: Kích hoạt hàm số loại hình, cam chịu vì ReLU. `nn.TransformerEncoderLayer` đưa vào cùng phát ra hình dạng như sau: Đưa vào hình dạng: ( danh sách chiều dài, phê lượng lớn nhỏ, đặc thù duy độ ) hoặc ( phê lượng lớn nhỏ, danh sách chiều dài, đặc thù duy độ ).Nguyên sang 2023-11-28 10:54:49 · 7807 đọc · 2 bình luận -
4 thời gian danh sách đoán trước nhập môn: LSTM+ATTENTION
Đối với một cái cấp định tuần tra vector, MHA sẽ đối kiện vector tiến hành thêm quyền cầu hòa, quyền trọng từ tuần tra vector cùng kiện vector chi gian tương tự độ tính toán được đến, sau đó đem được đến thêm quyền cùng thừa lấy giá trị vector tiến hành phát ra. MHA nhiều đầu cơ chế có thể hữu hiệu đề cao mô hình biểu đạt năng lực, đồng thời cũng có thể sử mô hình học tập đến càng thêm đa dạng hóa cùng phức tạp đặc thù. Ở nhiều đầu cơ chế hạ, đưa vào danh sách số liệu sẽ bị phân thành nhiều đầu, mỗi cái đầu tiến hành độc lập tính toán, được đến bất đồng phát ra. Multi-Head Attention ( MHA ): MHA là một loại nhiều đầu lực chú ý mô hình, đem lực chú ý cơ chế mở rộng đến nhiều đầu, do đó tăng cường mô hình đối với bất đồng đặc thù chú ý độ. embed_dim: Sở hữu đầu tổng đưa vào duy độ.Nguyên sang 2023-11-26 21:14:29 · 2432 đọc · 0 bình luận -
3 thời gian danh sách đoán trước nhập môn: TCN
TCN ( toàn xưng Temporal Convolutional Network ), khi tự cuốn tích internet, là ở 2018 năm đưa ra một cái cuốn tích mô hình, nhưng là có thể dùng để xử lý thời gian danh sách. Một duy cuốn tích: Ở thời gian bước hình chữ nhật hướng ( câu phương hướng ) tiến hành hoạt động, hơn nữa đưa vào thông đạo lớn nhỏ cùng từ vector lớn nhỏ tương đồng. 2D cuốn tích: Trước bình di sau đó nhưng hạ di ( khoan phương hướng, cao phương hướng );Nguyên sang 2023-11-26 15:02:48 · 1396 đọc · 0 bình luận -
2 thời gian danh sách đoán trước nhập môn: GRU
Đem này 18 cái đặc thù làm khi bước không dài ( nhớ rõ là nào đó thi đấu ý nghĩ ) sau đó đặc thù chiều dài vì 1 ( tương tự từ vector size) dùng cho khống chế trước nhất thời khắc trạng thái tin tức bị mang nhập đến trước mặt trạng thái trung trình độ, cũng chính là đổi mới môn trợ giúp mô hình quyết định rốt cuộc muốn đem nhiều ít quá khứ tin tức truyền lại đến tương lai, đơn giản tới nói chính là dùng cho đổi mới ký ức. ( RNN ) một loại, có thể giải quyết RNN trung không thể trường kỳ ký ức cùng ngược hướng trong truyền bá thang độ chờ vấn đề, cùng LSTM tác dụng cùng loại, bất quá so LSTM đơn giản, dễ dàng tiến hành huấn luyện. GRU nguyên luận văn: https://arxiv.org/pdf/1406.1078v3.pdf. Quyết định như thế nào đem tân đưa vào tin tức cùng phía trước ký ức tương kết hợp.Nguyên sang 2023-11-25 15:47:43 · 1438 đọc · 0 bình luận -
1 thời gian danh sách mô hình nhập môn: LSTM
Số liệu: 2023 “SEED” lần thứ tư Giang Tô đại số liệu khai phá cùng ứng dụng đại tái -- tân nguồn năng lượng đường đua số liệu MARS khai phá giả sinh thái xã khu giải đề ý nghĩ: Tổng cộng 500 cái nạp điện trạm trạng, liên hệ địa lý vị trí, sau đó lấy ra 18 cái đặc thù; đem này 18 cái đặc thù làm khi bước không dài ( nhớ rõ là nào đó thi đấu ý nghĩ ) sau đó đặc thù chiều dài vì 1 ( tương tự từ vector size ).import sysimport osimport gc# đọc lấy số liệu # tụ hợp số liệu # xác nhập nạp điện lượng số liệu ### xác nhập số liệu # sau nghiệm mới bắt đầu giá trị x0 = data[0] # lệnh đệ một cái phỏng chừng giá trị, vì trước mặt giá trị p0 = 1.0.Nguyên sang 2023-11-25 15:12:36 · 1403 đọc · 0 bình luận