概述
如题,对DARNN还是不死心,我知道错了,明天就研究新的模型。(不是DSTP,再研究个新的)最近将DSTP复现了。
DA-RNN像是Encoder-Decoder的进化版模型,而这个又像是DA-RNN的进化版模型,这个模型不出名,啥资料没有,找到纯属运气。
简而言之,这个模型就是在encoder阶段中,两次attention机制,第一次学习空间特征,第二次学习空间和时间特征一起学习,在decoder阶段中再次学习时间特征。其他 部分和DA-RNN大同小异,也是用lstm实现的。
别人复现的正确率比DA-RNN高好多,可能是我水平的原因,表现的并没有那么好。
我同样按照DA-RNN中对模型的修改改了下DSTP-RNN,并没有对其用差分操作,主要原因是时间不太够的关系。
最好表现有62%的正确率。普遍有55%的正确率
针对DARNN,经过对比了解,GRU比LSTM更容易收敛,学习起来更容易些,将DARNN中的LSTM替换为GRU后训练收敛的的确更快,而且效果略微好一些。
最后
以上就是丰富雨为你收集整理的暑期实训7.8 DSTP实现+DARNN修改的全部内容,希望文章能够帮你解决暑期实训7.8 DSTP实现+DARNN修改所遇到的程序开发问题。
如果觉得靠谱客网站的内容还不错,欢迎将靠谱客网站推荐给程序员好友。
本图文内容来源于网友提供,作为学习参考使用,或来自网络收集整理,版权属于原作者所有。
发表评论 取消回复