分类预测 | MATLAB实现TCN时间卷积神经网络的时序分类预测

分类预测 | MATLAB实现TCN时间卷积神经网络的时序分类预测

基本介绍

使用卷积网络的潜在好处是更好的并行性、更好地控制感受野大小、更好地控制训练期间网络的内存占用以及更稳定的梯度。 就像循环网络一样，卷积网络可以对可变长度的输入序列进行操作，并可用于对序列到序列或序列对一任务进行建模。

模型描述

TCN 的主要构建块是扩张的因果卷积层，它在每个序列的时间步长上运行。 在这种情况下，“因果关系”意味着为特定时间步计算的激活不能依赖于来自未来时间步的激活。
为了从之前的时间步骤构建上下文，多个卷积层通常堆叠在彼此的顶部。 为了实现大的感受野大小，后续卷积层的扩张因子呈指数增长，如下图所示。

• （1）TCN 在迁移学习方面可能没有那么强的适应能力。这是因为在不同的领域，模型预测所需要的历史信