时序预测 | MATLAB实现BiLSTM时间序列未来多步预测
目录
时序预测 | MATLAB实现BiLSTM时间序列未来多步预测基本介绍模型介绍程序设计参考资料基本介绍
双向 LSTM 或 biLSTM 是一种序列处理模型，由两个 LSTM 组成：一个在前向接收输入，另一个在后向接收输入。 BiLSTMs 有效地增加了网络可用的信息量。利用LSTM对句子进行建模还存在一个问题：无法编码从后到前的信息。在更细粒度的特征挖掘时缺乏能力，通过BiLSTM可以更好的捕捉双向的时序信息。
模型介绍
长短期记忆网络实质上可以理解为一种特殊的RNN，主要是为了解决RNN网络在长序列训练过程中发生梯度消失和梯度爆炸的问题。相比于RNN，LSTM主要是引入了细胞形态用于保存长期状态，而关键就在于如何控制长期状态，从而引用了控制门的机制，该机制可以去除或者增加信息到细胞状态的能力。通过siamoid函数将门输出为[0,1]的实数向量。当门输出为0时，乘以该向量的任何向量都将得到０向量，即判定为不能通过。当输出为1时，乘以任何向量都不会改变其原值，即可以通过。神经元中加入了输入
