深度学习 | ModernTCN模型结构
目录
- 基本介绍
- 模型结构
- 模型设计
- 参考资料
基本介绍
ModernTCN（Modern Temporal Convolutional Network）是一种用于时间序列建模的模型结构，它基于传统的Temporal Convolutional Network（TCN）并进行了一些改进。TCN是一种使用卷积神经网络（CNN）进行时间序列建模的方法，它通过卷积操作捕捉时间序列中的局部和全局模式。
ModernTCN在TCN的基础上引入了一些现代化的改进，以提高其性能和效果。下面是ModernTCN的基本结构：
输入层（Input Layer）：接收时间序列数据作为输入。
Temporal Convolutional Blocks：ModernTCN由多个Temporal Convolutional Blocks组成。每个Temporal Convolutional Block由以下几个部分组成：
a. Temporal Convolutional Layer：使用一维卷积操作对输入的时间序列进行特征提取。这个卷积层在时间维度上滑动，可以捕捉到不同长度的局部模式。
b. Residual Connections：在每个Temporal Conv