前言

主要记录一下实验过程中遇到的问题，理论部分的内容不做详述。

第一周（2022/02/28-2022/03/04）

第二周（2022/03/5-2022/03/11）

第三周（2022/03/12-2022/03/18）

第四周（2022/03/19-2022/03/25）

没开例会所以没做ppt，只写了进度报告，因为进度报告中的部分文字可能会用到论文里，所以先不把进度报告放上来。

第五周（2022/03/26-2022/04/01）

中期预答辩，新做了ppt，所以找不到了。
本周伊始，用flask框架搭建了一个项目，前端用js、bootsrap、jQuery等技术，后端用flask，本周主要解决了一些前端上的问题，比如，前端与后端传输文件，在这上面消耗了不少时间，因为前端的有些错误根本没有报错，只是没反应，一会儿行，一会儿不行，最后发现是引用的两个js冲突了。
随后两天，对STGCN模型的代码进行了一些改写，写了一些接口以便进行数据的可视化，比如，原模型并没有提供一个预测函数的接口，这使得我们不能对各站点流量的预测进行可视化，所以我利用它原本提供的方法写了一个返回预测值的方法，此外，原来的模型只记录了tensorbroad的可视化数据，这不方便我们在可视化系统中直接观察模型，于是我改写了原来的模块，在其中加入了record变量，记录copy_loss、train_loss和各epoch结束后的评价指标。
后端写好了，接下来两天我会完成把数据反应出来的前端网页。
现在做的网页，逻辑是，用户点击“csv文件”可以下载模板文件，然后用户用模板文件的格式记录24个时间点（2个小时）的40个站点的流量数据，然后点击“上传文件”，对未来（15、30、45、60分钟）进行预测。预测结果的网页还没有写好。

点击“站点地图”用户可以看到我们（虚拟）设立的40个观察点。

后台能输出预测的流量：

第六周（2022/04/02-2022/04/08）

本周主要训练了4+1个模型各10次，记录其指标，填写中期报告，制作中期答辩PPT，完善可视化系统的UI。
用了新做的中期答辩ppt，ppt内容太多做完了再放上来。

第七周（2022/04/09-2022/04/15)

中期答辩。
本周完善可视化系统的各种链接，用户点击“模型介绍”会到STGCN模型介绍页面，点击“帮助文档”会到本平台的使用手册页面，点击下方的一些链接可以跳转到对应页面。
本周还在撰写论文的第一章。
我发现ASTGCN模型的数据用自己的数据（10天的数据）跑出来效果也太差了，我认为这应该跟它的模型有关系，它模型的是引入了一个时间特性的机制，对当前，日周期，周周期，如果我只有10天的数据，“周周期”这部分的时间特性就完全没用上，所以后续考虑论文撰写到实验部分的时候，再补充做一个ASTGCN和STGCN用更大的数据集比较的实验。

第八周至今

中期完就在写论文，做答辩PPT了，没做实验了，实验步骤这两天在写，但是因为PeMS官网现在进不去，所以数据怎么收集的还没写好，写好之后会放上来。

【毕业设计】【周记】STGCN模型的改进和可视化相关推荐

模型可解释性-树结构可视化
在算法建模过程中,我们一般会用测试集的准确率与召回率衡量一个模型的好坏.但在和客户的实际沟通时,单单抛出一个数字就想要客户信任我们,那肯定是不够的,这就要求我们摆出规则,解释模型.但不是所有的模型都是 ...
为多模型寻找模型最优参数、多模型交叉验证、可视化、指标计算、多模型对比可视化（系数图、误差图、混淆矩阵、校正曲线、ROC曲线、AUC、Accuracy、特异度、灵敏度、PPV、NPV）、结果数据保存
使用randomsearchcv为多个模型寻找模型最优参数.多模型交叉验证.可视化.指标计算.多模型对比可视化(系数图.误差图.classification_report.混淆矩阵.校正曲线.ROC曲 ...
吴恩达《机器学习》学习笔记十四——应用机器学习的建议实现一个机器学习模型的改进
吴恩达<机器学习>学习笔记十四--应用机器学习的建议实现一个机器学习模型的改进一.任务介绍二.代码实现 1.准备数据 2.代价函数 3.梯度计算 4.带有正则化的代价函数和梯度计算 5 ...
PocketSphinx语音识别系统语言模型的训练和声学模型的改进
PocketSphinx语音识别系统语言模型的训练和声学模型的改进 zouxy09@qq.com http://blog.csdn.net/zouxy09 关于语音识别的基础知识和sphinx的知识, ...
寻找模型最优参数、多模型交叉验证、可视化、指标计算、多模型对比可视化（系数图、误差图、混淆矩阵、校正曲线、ROC曲线、AUC、Accuracy、特异度、灵敏度、PPV、NPV）
使用randomsearchcv寻找模型最优参数.多模型交叉验证.可视化.指标计算.多模型对比可视化(系数图.误差图.classification_report.混淆矩阵.校正曲线.ROC曲线.AUC ...
[转]PocketSphinx语音识别系统语言模型的训练和声学模型的改进
PocketSphinx语音识别系统语言模型的训练和声学模型的改进 zouxy09@qq.com http://blog.csdn.net/zouxy09 关于语音识别的基础知识和sphinx的知识, ...
FLAC3D可视化后处理matlab,FLAC3D模型应力的Surfer可视化后处理.pdf
FLAC3D模型应力的Surfer可视化后处理 2016年第 1期王志强 .等 :FLAC .模型应力的Surfer可视化后处理总第 241期 range nameLay1planenor00 1 ...
使用生成式模型来改进旅游产品和服务的生成质量 GANs for Travel:A Review of Generative Recommendations
作者:禅与计算机程序设计艺术近年来,计算机视觉.自然语言处理.推荐系统等多领域都在应用生成式模型(Generative Model)来改善产品或服务的效果.比如在电商领域,通过用户购买历史数据进行产 ...
R语言拟合ARIMA模型并使用拟合模型进行预测推理、使用autoplot函数可视化ARIMA模型预测结果、可视化包含置信区间的预测结果
R语言拟合ARIMA模型并使用拟合模型进行预测推理.使用autoplot函数可视化ARIMA模型预测结果.可视化包含置信区间的预测结果目录
Python机器学习建模的标准流程（特征工程+建模调参+模型评估+全流程可视化）
作者CSDN:进击的西西弗斯本文链接:https://blog.csdn.net/qq_42216093/article/details/116994199 版权声明:本文为作者原创文章,转载需征得 ...

【毕业设计】【周记】STGCN模型的改进和可视化

前言