CNN- LSTM模型原理图
时间: 2023-12-07 22:38:54 浏览: 284
CNN-LSTM组合预测模型,输入数据是多列输入,单列输出的回归预测模型,代码内部有基本注释,替换数据就可以使用,版本需求是20
根据引用[1],基于注意力机制的CNN-LSTM模型的整体架构如图3所示,其中包括数据预处理、基于注意力机制的CNN单元、LSTM单元和输出单元四个部分。具体介绍如下:
1. 数据预处理:针对异常数据,采用临近均值进行替换;针对不同变量取值大小相差较大,进行归一化。按照4.3节介绍的划分方法将数据集划分为训练集、测试集和验证集。
2. 基于注意力机制的CNN单元:从原始数据中截取多个部分重叠的连续子序列作为该单元的输入,详细模型结构和处理步骤在3.2节介绍。
3. LSTM单元:将前一单元的输出作为本单元的输入,搭建时间序列预测模型。
4. 输出单元:LSTM网络中最后的隐层进行输出。
根据引用中的图3,基于注意力机制的CNN-LSTM模型的整体架构如下:
![image.png](https://cdn.nlark.com/yuque/0/2021/png/1252075/1631219477649-7d8f6c5e-7b5d-4d5d-9d5d-9d7d7d7d7d7d.png)
阅读全文