TCN|TCN时间卷积网络信息归纳整合
【TCN|TCN时间卷积网络信息归纳整合】看了一些关于TCN的分析文章,边看边归纳了张表格辅助记忆
名称 | TCN |
---|---|
优点 | 1、TCN 可以比LSTM更实在的留住长远以前的记忆 2、整个框架设计上比 LSTM 更为简单和精确。 |
缺点 | \ |
特点 | 1、稳定性 其卷积网络层层之间是有因果关系的,意味着不会有“漏接”的历史信息或是未来数据的情况发生 2、预判机制 可以根据一个已知序列出现的先后顺序去评判未来的 t 时间点上,什么东西出现的可能性更合适。 3、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 4、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; 5、 固定的梯度 6、 更小的内存训练 7、可变的输入长度 |
技术 | 1、Gradient Descent 和 backpropagation训练 2、Causal Convolutions 思维可以用来应付“不漏接”的初衷,卷积层在 t 时间的 output 只与当层和前一个层的元素做卷积 3、1D 的 fully-convolutional network (FCN) ,让每个输出层都可以保持和输入层一样多的长宽被继续传递,使用的手法是 zero padding 4、Dilated Convolutions 来解决反向训练的问题 |
精确度 | 1、在下列数据集中,TCN 都得到了比 RNN 更为准确的结果。 |
数据集 | 1、Polyphonic music model 2、Words and character-level language model 3、Synthetic stress tests |
链接 | https://github.com/LOCUSLAB/tcn |
公式 | Dilated Convolutions 运作在 s 元素上,并有一个 filter: {0, 1, 2, …, k-1} 其内部的元素都是实数 R,公式描述如下(空洞卷积核): 文章图片 |
相关图 | 文章图片 |
推荐阅读
- 20170612时间和注意力开销记录
- 时间老了
- Eddy小文
- C语言中的时间函数clock()和time()你都了解吗
- 山香|山香 善思 智学访谈
- 请给时间一点时间
- 全过程工程咨询——时间管理(12)
- 最有效的时间管理工具(赢效率手册和总结笔记)
- 152
- 第十九周