29、深度学习中的可视化与时间序列预测

深度学习中的可视化与时间序列预测

1. 可视化技术与计算机视觉任务

可视化技术能够回答两个重要问题：
- 网络为何认为某张图像包含非洲象？
- 非洲象在图像中的位置在哪里？

值得注意的是，小象的耳朵被强烈激活，这可能是网络区分非洲象和印度象的方式。

在深度学习中，有三项基本的计算机视觉任务：
- 图像分类
- 图像分割
- 目标检测

遵循现代卷积网络架构的最佳实践有助于充分发挥模型的性能，这些最佳实践包括使用残差连接、批量归一化和深度可分离卷积。卷积网络学习的表示易于检查，它并非黑盒模型。我们可以生成卷积网络学习的滤波器可视化以及类别活动的热力图。

2. 时间序列数据概述

2.1 时间序列任务类型

时间序列是通过定期测量获得的数据，例如股票的每日价格、城市的每小时用电量或商店的每周销售额。时间序列无处不在，涵盖自然现象（如地震活动、河流中鱼类种群的演变、某地的天气）和人类活动模式（如网站访问者、国家的GDP、信用卡交易）。处理时间序列数据需要理解系统的动态，包括周期性循环、随时间的趋势、常规状态和突然的峰值。

时间序列相关的机器学习任务有很多，主要包括：
|任务类型|描述|示例|
| ---- | ---- | ---- |
|预测|预测序列中的下一个事件|提前几小时预测用电量、提前几个月预测收入、提前几天预测天气|
|分类|为时间序列分配一个或多个分类标签|根据网站访客的活动时间序列，判断访客是机器人还是人类|
|事件检测|在连续数据流中识别特定预期事件的发生|“热词检测”