IP屬地：甘肅
-
Temporal Fusion Transformers for Interpretable Multi-horizon Time Series Forecasting摘要 多步（尺度）預測通常包含一個復雜的輸入組合——包括靜態(tài)（即時不變）協(xié)變量、已知的未來輸入，以及其他僅在過去觀察到的外生時間序列——沒有任何...
-
-
詞嵌入Word Embedding傳統(tǒng)表達：one-hot 將每個詞表示為一個長長的向量。詞袋：所有詞的不重復構成。 這樣做的缺陷：忽略了句子詞頻信息；面臨高維困境（文本維度隨著...
-
RNN隱狀態(tài) 記憶儲存：h可以對序列數(shù)據(jù)提供特征，然后再轉化為輸出。 U、W：權值矩陣；b：偏置項；f：激活函數(shù)，在RNN中一般使用tanh。 一個箭...
-
LSTM簡介 在深度RNN中，由于多hidden layer，存在梯度爆炸和梯度消失的問題。而停止學習，RNN會忘記在長序列中學習到的東西，僅擁有短期記...
-
關于CNN中的認知補充卷積 在聽沈華偉老師講授GCN中，他回顧了卷積操作，也讓我對卷積更深的認識。例如他有講到，卷積操作，實質上輸入數(shù)組與卷積核作“卷積操作”，這里的...
-
CNN
和BP網(wǎng)絡不同的是，cnn的特點是權值共享（卷積核filter），并且不需要人工的特征分析。 在BP網(wǎng)絡中，我們使用的是全連接，即每層神經(jīng)元都會...
-
tensorflow中keras.models()的使用總結初學者在調用keras時，不需要糾結于選擇tf.keras還是直接import keras，現(xiàn)如今兩者沒有區(qū)別。從具體實現(xiàn)上來講，Keras是T...
-
one-hot與啞變量（dummy variable）one-hot encoding 關于one-hot編碼的具體介紹，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...