- 想象一下有人正在看网飞(Netflix,一个国外的视频网站)上的电影。 一名忠实的用户会对每一部电影都给出评价, 毕竟一部好电影需要更多的支持和认可。 然而事实证明,事情并不那么简单。 随着时间的推移,人们对电影的看法会发生很大的变化。如锚定效应,享乐效应等
- 在本质上,音乐、语音、文本和视频都是连续的。 如果它们的序列被我们重排,那么就会失去原有的意义。 比如,一个文本标题“狗咬人”远没有“人咬狗”那么令人惊讶,尽管组成两句话的字完全相同。
- 地震具有很强的相关性,即大地震发生后,很可能会有几次小余震, 这些余震的强度比非大地震后的余震要大得多。 事实上,地震是时空相关的,即余震通常发生在很短的时间跨度和很近的距离内。
1. 统计工具
- 处理序列数据需要统计工具和新的深度神经网络架构。我们以下图为例:
1.1 自回归模型
- 对于输入的序列,我们需要一个近似方法进行处理,有下面两种方法
1.2 马尔可夫模型
1.3 因果关系
很明显,未来的事件不能影响过去。因此我们不能改变数据的方向
2. 训练
- 我们用正弦函数和一些可加性噪声来生成序列数据
- 训练
3. 预测
- 模型预测下一个时间步:可以看到预测不出噪音
- 进行多步预测:绿色线,可以看到错的很离谱
本文转载自: https://blog.csdn.net/hxdxiaoming/article/details/143066737
版权归原作者 好心的小明 所有, 如有侵权,请联系我们删除。
版权归原作者 好心的小明 所有, 如有侵权,请联系我们删除。