1.什么是注意力机制 2.attention综述 3.attention
发简信
IP属地：陕西
-
Time series forecasting of petroleum production using deep LSTM recurrent networks针对问题：时间序列预测。LSTM的浅层架构无法有效地表示时间序列数据的复杂特征，尤其是高度非线性和长间隔时间序列数据集。 提出模型：deep-LSTM（DLSTM）可以适应学...
-
Unsupervised pre-training of a Deep LStM-based Stacked Autoencoder for Multivariate time Series f...问题背景：deepLSTM模型在建模多元时间序列（MTS）性能有待提高，尤其是高度非线性和长间隔的MTS数据集。原因：监督学习方法在RNN中随机初始化神经元，从而使最终必须正...
-
STRUCTURED SEQUENCE MODELING WITH GRAPH CONVOLUTIONAL RECURRENT NETWORKS针对问题：结构化序列 structured sequences（如，时空序列）. 提出模型：GCRN. 图＋CNN——识别空间结构，RNN——查找动态模式。 研究两种Grap...
-
Spatio-Temporal Graph Convolutional Networks: A Deep Learning Framework for Traffic Forecasting问题背景：交通流量预测忽略时空依赖性。 提出模型：Spatio-Temporal Graph Convolutional Networks (STGCN)。instead o...
-
DIFFUSION CONVOLUTIONAL RECURRENT NEURAL NETWORK: DATA-DRIVEN TRAFFIC FORECASTING针对问题：交通预测。 提出模型：扩散卷积递归神经网络（DCRNN）。DCRNN在图形上使用双向随机步捕获空间依赖性，并使用计划采样的编码器-解码器结构捕获时间依赖性。 代码G...
-
T-GCN: A Temporal Graph Convolutional Network for Traffic Prediction Lin用于流量预测的时序图卷积 问题背景：交通流量预测。 提出模型：为了同时捕获空间和时间相关性，提出了时间图卷积网络（T-GCN）模型，即将图卷积网络（GCN）和GRU结合。GC...
-
An Empirical Evaluation of Generic Convolutional and Recurrent Networks for Sequence Modeling对RNN和CNN进行比较 时间卷积网络TCN代码：GitHub - locuslab/TCN: Sequence modeling benchmarks and tempor...
-
Unveiling the predictive power of static structure in glassy systems问题背景：预测玻璃态系统中的静态结构变化 提出模型：使用图神经网络，仅从初始粒子位置确定玻璃态系统的长期演化，而没有任何手工特征。 通过我们的网络了解到的结构预测变量显示出相...
-
Automating Performance and Energy Consumption Analysis for Cloud Applications
问题背景：在云环境中，IT解决方案通过共享的基础架构交付给用户，从而使云服务提供商可以根据用户QoS（服务质量）要求将应用程序部署为服务。这种云模型的后果之一是大型云基础架构...
-
Data-Driven Construction of Data Center Graph of Things for Anomaly Detection用于异常检测的数据中心图的构造 以根据传感器的时间序列测量来构建事物的DC图（传感器图）。传感器图是无向加权属性图，其中传感器是节点，传感器特征是节点属性，传感器连接是边。传...
-
Multi-timescale forecast of solar irradiance based on multi-task learning and echo state network ...针对问题：多时间范围mulct-timescales的太阳辐射预测。 提出模型：多任务学习机制研究multi-scale(MTS)预测，应用回声状态网络（ESN）。提出MTS...
-
LATEX 公式总结在论文写作和博客中经常需要大量数学公式，latex可以帮助我们把数学公式完整的编辑出来，并作出优美的排版，我花了一些时间，综合一些博客和网络上的资料，做一个总结，方便自己查询...
-
Daily pattern prediction based classification modeling approach for day- T ahead electricity pric...基于daily模式的分类模型，预测日前电价 针对问题：电价中不同模式显示出不同映射关系，电价单变量预测误差大。 提出模型：基于每日模式预测（daily pattern pre...
-
Dynamo: Facebook’s Data Center-Wide Power Management System针对问题：数据中心能耗利用率低——数据中心电力传输层次结构过载和使断路器跳闸的代价非常高，有可能导致长期服务中断。 本文贡献：1.表征数据中心各种工作负载的能耗变化。量化不同...
-
-
磁盘故障预测Predicting Disk Replacement towards Reliable Data Centers针对问题：预测磁盘故障 提出模型：1.使用时序中的changepoint检测，识别即将替换的磁盘的SMART属性。 2.通过将事件编码成一个个点，把事件序列转换为样本集，从而...
-
能耗峰值建模Peak Power Modeling for Data Center Servers with Switched-Mode Power Supplies针对问题：CPU利用率可以建模平均能耗，但是对于预测峰值粒度过粗。 提出模型：表征服务器利用率和电源行为之间的关系，对实际峰值功耗建模。引入新的操作系统指标，捕获所需信息，以...
-
A Methodology to Predict the Power Consumption of Servers in Data Centres针对问题：预测数据中心的服务器能耗 提出模型：将数据中心建模分成四部分：ICT资源建模、服务器建模、存储建模、服务建模。 由于通常可以联合分布在地理位置上的一组数据中心，因此...
