admin管理员组

文章数量:1130349

学习汇报

主要看了三篇论文，两篇来自自己搜索，一篇来自师兄推荐

简单讲一下收获：

  1. 在《A deep learning approach to predict significant wave height using
    long short-term memory》这篇论文里面，他解答了我之前提出的一个疑点，就是我对于输入的x这个变量？
    作者一开始的研究是只考虑了一个变量（波高）作为模型的输入，但是后面他考虑到如果考虑多个变量是不是可以提高我们最后的预测效果。作者有很明确的讲到：lstm可以考虑一个或者多个变量作为训练网络的输入以及输出。
    所以我之前得到我的csv文件的时候，我还在纠结我得到这么多个变量是不是又走错路了呢？现在看来未必，就看接下看怎么进行我的实验了。

  2. 提醒我要用一些指标来分析我的结果是否准确，所以之后如果顺利进行的话，会参考一下别人的参考指标。eg：MAE（平均绝对误差）；RE（相对误差）、MAPE等

  3. 论文里面有间隔3小时、6、12、24小时的数据，每次都是3小时间隔时间的效果更好，嗯哼，还是很有一定的道理，时间线越长，准确度有明显的下降

  4. 作者还做了一个实验，发现并不是你给的数据越多效果越好。（待定，突然发现我不太理解这一点他的表述。下次再做解析吧）

作者设置不同的开始时间…

学习汇报

主要看了三篇论文，两篇来自自己搜索，一篇来自师兄推荐

简单讲一下收获：

  1. 在《A deep learning approach to predict significant wave height using
    long short-term memory》这篇论文里面，他解答了我之前提出的一个疑点，就是我对于输入的x这个变量？
    作者一开始的研究是只考虑了一个变量（波高）作为模型的输入，但是后面他考虑到如果考虑多个变量是不是可以提高我们最后的预测效果。作者有很明确的讲到：lstm可以考虑一个或者多个变量作为训练网络的输入以及输出。
    所以我之前得到我的csv文件的时候，我还在纠结我得到这么多个变量是不是又走错路了呢？现在看来未必，就看接下看怎么进行我的实验了。

  2. 提醒我要用一些指标来分析我的结果是否准确，所以之后如果顺利进行的话，会参考一下别人的参考指标。eg：MAE（平均绝对误差）；RE（相对误差）、MAPE等

  3. 论文里面有间隔3小时、6、12、24小时的数据，每次都是3小时间隔时间的效果更好，嗯哼，还是很有一定的道理，时间线越长，准确度有明显的下降

  4. 作者还做了一个实验，发现并不是你给的数据越多效果越好。（待定，突然发现我不太理解这一点他的表述。下次再做解析吧）

作者设置不同的开始时间…

本文标签： 论文learningApproachLSTMdeep

版权声明：本文标题：lstm论文：A deep learning approach to predict significant wave height using lstm 总结（1.17） 内容由热心网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：https://it.en369.cn/jiaocheng/1754938322a2743859.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。