TCN时间卷积网络介绍
绪论
TCN, Temporal Convolutional Network,时间卷积网络,是一种能够处理时间序列数据的网络结构,论文还评为 2018年10大论文。
1. 模型
输入:
x0,x1,...,xt{x_0, x_1,..., x_t}x0,x1,...,xt
输出:
y0,y1,...,yt{y_0, y_1,..., y_t}y0,y1,...,yt
根据输入序列,推断新的可能信息是什么,使用评判机制去评价预测效果的好坏,比如普通全连接层会使用MSE作为损失函数。
minL(y0,...,yt,f(x0,...,xt))min \;L(y_0,...,y_t, f(x_0,..., x_t))minL(y0,...,yt,f(x0,...,xt))
下面来看看TCN的模型结构图
可以看出,TCN使用 空洞卷积核(dilated convolutions)来解决获取整个序列的全局信息,并且设置了 残差结构 Residual block。
1.1 空洞卷积核
空洞卷积核使用公式描述:
F(s)=∑i=0k−1f(i)⋅xs−d⋅iF(s) = \sum\limits^{k-1}_{i=0} {f(i) \cdot \mathbf x_{s - d \cdot i}}F(s)=i=0∑k−1f(i)⋅xs−d⋅i
1.2 残差连接
公式描述:
o=Activation(x+F(x))o = Activation(\rm x + \mathscr{F}(x))o=Activation(x+F(x))
2. 总结
网络结构特点:
(1)并行性
由于CNN每一层使用相同的卷积核,因此一个长序列输入可以用TCN并行处理
(2) 灵活的感受视野
比如改变卷积核的参数,容易控制模型的记忆大小;
(3)固定的梯度
(4) 更小的内存训练
(5)可变的输入长度
个人感想,这个TCN还是不明白为什么这麽有效,难道使用空洞卷积核扩大模型对全局的视野吗。
最近开通了个公众号,主要分享深度学习相关内容,推荐系统,风控等算法相关的内容,感兴趣的伙伴可以关注下。
公众号相关的学习资料会上传到QQ群596506387,欢迎关注。
参考:
- 论文详解 blog;
- 原论文;
- github model;
TCN时间卷积网络介绍相关推荐
- TCN(Temporal Convolutional Network,时间卷积网络)
1 前言 实验表明,RNN 在几乎所有的序列问题上都有良好表现,包括语音/文本识别.机器翻译.手写体识别.序列数据分析(预测)等. 在实际应用中,RNN 在内部设计上存在一个严重的问题:由于网络一次只 ...
- 【CV】膨胀卷积详解以及时间卷积网络TCN论文笔记和源码实现
这篇博文分为两部分.第一部分详细讲解了TCN模型(Temporal Convolutional Network)中涉及的1D卷积,因果卷积,膨胀卷积中设计的计算,非常值得一看,有醍醐灌顶的作用.第二部 ...
- 从一维卷积、因果卷积(Causal CNN)、扩展卷积(Dilation CNN) 到 时间卷积网络 (TCN)
来源: AINLPer微信公众号(每日干货分享!!) 编辑: ShuYini 校稿: ShuYini 时间: 2022-09-30 引言 卷积神经网络 (CNN) 尽管通常与图像分类任务相关,但经过改 ...
- 时间卷积网络TCN:时间序列处理的新模型
这篇文章回顾了基于TCN的解决方案的最新创新.我们首先介绍了一个运动检测的案例研究,并简要回顾了TCN架构及其相对于传统方法的优势,如卷积神经网络(CNN)和递归神经网络(RNN).然后,我们介绍了一 ...
- 机器学习进阶之 时域/时间卷积网络 TCN 概念+由来+原理+代码实现
TCN 从"阿巴阿巴"到"巴拉巴拉" TCN的概念(干嘛来的!能解决什么问题) TCN的父母(由来) TCN的原理介绍 上代码! 1.TCN(时域卷积网络.时间 ...
- 时间卷积网络(TCN)在 NLP 多领域发光,RNN 或将没落
也就是从 2014.15 年起,我们基于深度神经网络的应用就已经在文本和语音识别领域达到 95% 的准确率,可以用来开发新一代的聊天机器人.个人助理和即时翻译系统等. 卷积神经网络(Convoluti ...
- Keras之TCN:基于keras框架利用时间卷积网络TCN算法对上海最高气温实现回归预测(把时间序列数据集转化为有监督学习数据集)案例
Keras之TCN:基于keras框架利用时间卷积网络TCN算法对上海最高气温实现回归预测(把时间序列数据集转化为有监督学习数据集)案例 目录 利用时间卷积网络TCN算法对上海最高气温实现回归预测(把 ...
- 【Python项目实战】基于时间卷积网络(Temporal Convolution Network ,TCN)的发动机剩余寿命预测
摘要航空发动机结构复杂,状态变量多且相互之间存在着严重非线性特征,传统的基于物理失效模型的方法难以精确地预测发动机的剩余寿命(RUL).针对此问题,采用时间卷积网络(Temporal Convolut ...
- 【论文解读】一种基于时间卷积网络的知识驱动股票趋势预测方法
写在前面 下面这篇文章的内容主要是来自论文<Knowledge-Driven Stock Trend Prediction and Explanation via Temporal Convol ...
最新文章
- p10平板电脑android,8英寸安卓系统 Newpad P10平板电脑评测
- 随机验证码 php
- java控制系统音量_Java 控制 Windows 系统音量-Go语言中文社区
- Python中的Number(数字)
- visionpro定位不跟随图像_塑料薄膜缺陷之机器视觉定位检测
- DWR中引用JS的路径问题
- 基本数据类型与格式化输出
- SpringBoot两种定时任务(Spring Schedule 与 Quartz 整合 )实现
- EPUB格式怎么转成MOBI格式
- WIN 10 FTP 不好用问题总结
- quartz2.2.3 spring整合遇到的错误,及quartz配置文件说明
- DCOS之Mesos-DNS介绍
- 告别“霍金音”:华裔科学家设计脑机新设备,人类首次直接用脑波“说话”...
- c语言程序如何在keil中运行,keil c51中C程序的启动过程
- 有关JAVA考试中数据库的题_全国2018年4月自考互联网数据库考试真题
- 十个鲜为人知的 Linux 命令 - Part 3
- 2014美国大学计算机专业排名,2014美国大学研究生计算机专业排名介绍
- 内网渗透----netcat工具使用
- echarts 如何在地图组件上加入南海
- linux问题排查工具,几个常见的Linux系统故障及其排查的方法
热门文章
- 显著性目标检测之Learning to Promote Saliency Detectors
- SQL DXP 6.6.x 高级版--最新版
- 定义一个复数类Complex,重载运算符“+”,“ -”,“*”,“/”使之能用于计算两个复数的加减乘除。
- 跨域请求的API接口
- C++ continue 语句
- 重磅!中科院院士,任复旦大学新校长!
- 官方完整HL7 ECG-XML例子及注释翻译(1)
- 微分,泰勒公式及其在图像处理中的应用
- 如何更改mysql数据库的用户名和密码
- 关联关系和依赖关系的思考