时间序列转换器
Transformer 模型的实现（最初来自 ）应用于时间序列（由提供支持）。
变压器型号
Transformer 是基于注意力的神经网络，旨在解决 NLP 任务。 它们的主要特点是：
特征向量维度的线性复杂度；
序列计算的并行化，而不是顺序计算；
长期记忆，因为我们可以直接查看任何输入时间序列步骤。
这个 repo 将专注于它们在时间序列中的应用。
数据集和应用作为元模型
我们的用例是为建筑能耗预测建模一个数字模拟器。 为此，我们通过对随机输入（建筑特征和使用情况、天气等）进行采样创建了一个数据集，并获得了模拟输出。 然后我们以时间序列格式转换这些变量，并将其提供给转换器。
时间序列的改编
为了在时间序列上表现良好，必须进行一些调整：
嵌入层被通用线性层取代；
原始位置编码被删除。 可以改用“常规”版本，更好地匹配输入序列日/夜模式；
在注意力图上应用一个
2021-09-03 09:57:40
40.93MB
1
信息安全_数据安全_What_You_Need_to_Know_about_the_
大数据
大数据
安全防御
网络信息安全
企业安全
2021-08-23 13:01:00
1.48MB
信息安全_数据安全_securing the budget you need tra
自动化
APT
安全开发
web安全
大数据
2021-08-22 17:00:15
3.15MB
NIPS-2017-attention-is-all-you-need-Paper.pdf
2021-08-09 21:05:45
556KB
1
spaCy 用户手册，spaCy是我的自然语言处理（NLP）任务的必备库，系列文档。
2021-07-01 18:02:40
1.09MB
1
论文 Attention-is-all-you-need 训练数据集，即Transformers的数据集
2021-04-21 09:08:03
24.33MB
1