cnn-lstm参考文献

CNN-LSTM是一种深度学习模型，结合了卷积神经网络（Convolutional Neural Network，CNN）和长短期记忆网络（Long Short-Term Memory，LSTM）的特点，常用于处理序列数据。以下是一些关于CNN-LSTM的参考文献：

1. Shi, X., Chen, Z., Wang, H., Yeung, D. Y., Wong, W. K., & Woo, W. C. (2015). Convolutional LSTM network: A machine learning approach for precipitation nowcasting. In Advances in neural information processing systems (pp. 802-810). 这篇论文介绍了CNN-LSTM网络在天气预测中的应用。

2. Karim, F., Majumdar, S., Darabi, H., & Chen, S. (2018). LSTM fully convolutional networks for time series classification. IEEE Access, 6, 1662-1669. 这篇论文探讨了将LSTM和卷积神经网络结合的方法，用于时间序列分类任务。

3. Bai, S., Kolter, J. Z., & Koltun, V. (2018). An empirical evaluation of generic convolutional and recurrent networks for sequence modeling. arXiv preprint arXiv:1803.01271. 这篇论文对CNN-LSTM等模型进行了实证研究，比较了它们在序列建模任务上的表现。

4. Wang, L., & Wang, J. (2018). Modeling attention in LSTM for multimodal sentiment analysis. Neurocomputing, 282, 105-113. 这篇论文利用CNN-LSTM模型进行多模态情感分析，并引入了注意力机制来提升模型性能。