首页 > 其他分享 >面向城市人群流量预测的深度时空残差网络[名词解释]

面向城市人群流量预测的深度时空残差网络[名词解释]

时间:2024-08-05 21:28:31浏览次数:11  
标签:函数 Conv BN 残差 ReLU 名词解释 时空 输入

[1]端到端的结构:

输入直接映射到输出,没有中间步骤或人为干预。这种方法的核心思想是将整个任务或流程作为一个单一的系统来优化和执行,而不需要手动处理中间步骤或特征工程。

[2]残差神经网络

残差的使用主要是由于直接进行学习容易导致梯度的爆炸或消失,使用残差块,不直接学习映射,而是学习与输入的差值,可以有效缓解梯度消失和梯度爆炸,从而使深度学习可以支撑深度更大的神经网络。

残差块具有多种结构,其本质就是一个基本块加上输入X的值产生输出。

本质就是几个基本块的输出结果加上输入X

文中使用的残差块

下图为文中使用的基本残差单元,即输入经过ReLU激活,然后进行卷积操作提取空间特征,再通过ReLU激活,再使用卷积层,之后与输入相加,得到模块的输出。即X->ReLU->Conv->ReLU->Conv

变体L12-single-E去掉一个ReLU和Conv,结构为X->ReLU->Conv

变体L12-E-BN添加两个BN(Batch Normalization),结构为X->BN->ReLU->Conv->BN->ReLU->Conv

[3]加性残差函数

即指残差函数,加性是为说明其作用是添加到输入X上形成输出。

[4]Logistic函数

Logistic函数即sigmoid函数,为\sigma(x) = \frac{1}{1 + e^{-x}},函数值变化敏感,一旦接近或者超出区间就失去敏感性。

图像为:

tanh函数是双曲正切函数,为\tanh(x) = \frac{e^x - e^{-x}}{e^x + e^{-x}},能够保持非线性单调上升和下降关系,但比Logistic延长了饱和期。

图像为:

[5]子采样

通过减少采样率来降低数据的分辨率或密度。此处指在样本不均衡的情况下,子采样可以指从多数类别(majority class)中随机选择一部分样本,使得与少数类别(minority class)的样本数量接近,从而平衡数据集,提高分类器的性能。

标签:函数,Conv,BN,残差,ReLU,名词解释,时空,输入
From: https://blog.csdn.net/2301_79335566/article/details/140936820

相关文章

  • 支持非地面网络的新无线电(NR)-部分名词解释说明
    一、Airbornevehicles:UnmannedAircraftSystems(UAS)encompassingtetheredUAS(TUA),LighterthanAirUAS(LTA),HeavierthanAirUAS(HTA),alloperatinginaltitudestypicallybetween8and50kmincludingHighAltitudePlatforms(HAPs)无人驾驶飞......
  • 神经网络训练(二):基于残差连接的图片分类网络(进阶篇②)
    目录日常·唠嗑3基于ResNet18的优化3.1初步构思3.1.1数据预处理3.1.2批量大小3.1.3参数初始化3.1.4optimizer3.1.5学习速率3.2hyper-parameter测试3.2.1批量大小日常·唠嗑       昨天写完了神经网络训练(二):基于残差连接的图片分类......
  • 【漏洞复现】用友时空KSOA PrintZPFB.jsp SQL注入漏洞
    0x01产品简介用友时空KSOA是建立在SOA理念指导下研发的新一代产品,是根据流通企业前沿的IT需求推出的统一的IT基础架构,它可以让流通企业各个时期建立的IT系统之间彼此轻松对话。0x02漏洞概述用友时空KSOA系统PrintZPFB.jsp接口处存在SQL注入漏洞,未经身份验证的......
  • 北京交通大学《深度学习》专业课,实验3卷积、空洞卷积、残差神经网络实验
    一、实验要求1.二维卷积实验(平台课与专业课要求相同)⚫手写二维卷积的实现,并在至少一个数据集上进行实验,从训练时间、预测精度、Loss变化等角度分析实验结果(最好使用图表展示)⚫使用torch.nn实现二维卷积,并在至少一个数据集上进行实验,从训练时间、预测精度、Loss变化等角......
  • 自动驾驶时空联合规划_基于优化方法
    自动驾驶时空联合规划:基于优化方法这是时空联合规划专栏——基于优化方法系列文章,在Frenet坐标系下已经有很多优秀成熟的优化方法解决方案,但是对于在三维空间内不管是在S-L-T空间还是在X-Y-T空间去基于优化的方法做规划都是很困难的。一方面是维度的增加会导致优化变量的......
  • Franka Robot 机器人状态专有名词解释
    O_T_EE:末端执行器(EndEffector)在Base坐标系中的位姿。O_T_EE_c:最新指令的末端执行器(EE)在Base坐标系中的位姿。O_T_EE_d:期望末端执行器(EE)在Base坐标系中的位姿。F_T_EE:末端执行器在法兰坐标(flangeframe)中的位姿,一般中间会间隔一个标称末端执行器坐标系,实际安装......
  • 【论文笔记】UniST:通用预训练城市时空预测模型
    目录写在前面1.通用时空模型的挑战与能力特性2.构建通用时空模型UniST2.1大规模时空预训练2.2时空知识规则引导提示学习3.UniST的实验与分析3.1模型预测效果3.2其他实验分析写在前面文章标题:UniST:APrompt-EmpoweredUniversalModelforUrbanSpatio-Te......
  • 提取时序数据的趋势、季节性以及残差
     一天的光滑数据sub=[199.68,187.16,173.97,159.85,146.92,135.29,125.04,114.86,105.85,97.93,90.6,84.19,78.37,72.85,68.93,66.59,62.19,58.59,54.15,50.26,47.16,44.14,41.62,38.99,36.84,34.9,33.32,32.75,33.1,32.49,31.49,30.13,28.......
  • 【漏洞复现】用友时空-KSOA-SQL注入-linkadd
    免责声明此内容仅供技术交流与学习,请勿用于未经授权的场景。请遵循相关法律与道德规范。任何因使用本文所述技术而引发的法律责任,与本文作者及发布平台无关。如有内容争议或侵权,请及时私信我们!0x01产品简介用友时空KSOA是建立在SOA理念指导下研发的新一代产品,是根据流......
  • 深度学习领域的名词解释:SOTA、端到端模型、泛化、RLHF、涌现 ..
    SOTA(State-of-the-Art)在深度学习领域,SOTA指的是“当前最高技术水平”或“最佳实践”。它用来形容在特定任务或领域中性能最优的模型或方法。随着研究进展,SOTA会不断被新的研究成果所超越。 非端到端模型非端到端模型指的是模型架构中包含多个分离的组件或步骤,每个......