Bilstm-TPA

Bilstm-TPA是一种基于双向长短期记忆神经网络（BiLSTM）和时间注意力机制（TPA）的时间序列预测模型。它主要用于多变量时间序列数据的预测，其中多个输入变量对应一个输出变量。相比于传统的注意力机制，TPA更加注重重要信息，而忽略相对无用的信息。在Bilstm-TPA中，多个一维CNN滤波器从BiLSTM隐藏状态行向量抽取特征，使得模型能够从不同时间步学习多变量之间的互相依赖关系。具体来说，Bilstm-TPA的结构示意图如下图所示：


其中，BiLSTM结构是一种双向的LSTM结构，它能够同时考虑过去和未来的信息。在BiLSTM结构中，输入序列被分别输入到前向LSTM和后向LSTM中，然后将它们的输出进行拼接，得到最终的输出。TPA机制则是一种时间注意力机制，它能够从不同时间步学习多变量之间的互相依赖关系。在Bilstm-TPA中，多个一维CNN滤波器从BiLSTM隐藏状态行向量抽取特征，然后通过TPA机制对这些特征进行加权求和，得到最终的输出。