sinat_33211329的博客

Multivariate workload prediction using Vector Autoregressive and Stacked LSTM models1 摘要：向量自回归+堆叠LSTM VAR用于过滤多元时间序列之间的线性相互依赖 堆叠LSTM捕获非线性趋势（从VAR模型计算得到的残差） 对比模型：AR-MPL，RNN-GRU、ARIMA-LSTM 文章提出多变量负载预测模型，使用向量自回归模型分析多元时间序列并预测未来的值。 根据VAR模型计算残差并将其作...

用于多元时间序列预测的双自注意力网络 DSANet1、摘要文章主题思想： 为了捕捉负载的非线性依赖关系，虽然RNN和attention机制已经被用来对跨多个时间步长，对周期性时间模式建模。 但是这并不适用于动态周期模式和非周期模式 DASNet完全抛弃循环网络，采用两个并行的卷积分量， 分为全局时间卷积和部分时间卷积 引入了自注意力模块来对多个时间序列间依赖进行建模 为了进一步提高鲁棒性，集成了AR 自回归线性模型，与非线性神经网络部分并行 2、介绍...

多元时间卷积网络：用于多元时间序列预测的深度神经网络方法与我相关、相关知识 这篇文章的页数（包含reference）控制在18页，排版格式以及写作方式都是我可以借鉴的对象，虽然文章没有发好的期刊，但是相关工作做的很足，对比算法的描写也足够充分。文章流程： 摘要Abstract、 简述多元时序预测的广泛使用，传统预测模型在预测精度上的劣势。 R...

--------------------------------------------------------------------------------------------------------------pytorch模型构建流程 在我们要用pytorch构建自己的深度学习模型的时候， 基本上都是下面这个流程步骤，无论是从自己写，还是阅读他人代码，按照这个步骤思想：1、找数据定义 2、找model定义 3、找损失函数、优化器定义...

nips icml uai aistats上的文章应该比ijcai要好一些------------------------------------------------------------------------------------------------------------回归评价指标MSE、RMSE、MAE、MAPEMSE （Mean Squared Error）均方误差。 RMSE（Root Mean Squard Error）均方根误差 MAE （Mean ...

------------------------------------------------------------------------------------------------Seq2Seq结构seq2seq属于encoder-decoder结构的一种，这里看看常见的encoder-decoder结构， 基本思想就是利用两个RNN，一个RNN作为encoder，另一个RNN作为decoder。 encoder负责将输入序列压缩成指定长度的向量，这个向量就可以看成是这个序列的...

------------------------------------------------------------------------------------------------交叉验证解释说明 交叉验证，只是在train和validation之间的，仍然需要留一部分作为test简单交叉验证： 随机将数据分为两组一组训练、一组作为验证集 利用训练集训练分类器，然后利用验证集验证模型，记录最后分类准确率作为此分类器的性能指标 好处： ...