本文介绍了如何使用Convolutional LSTM（ConvLSTM）网络来进行降水现在预报。通过将地理区域划分为网格并利用卷积提取空间特征，结合LSTM处理时间序列数据，该方法能有效捕捉降雨量的时空关联。论文中，作者针对传统全连接LSTM（FC-LSTM）的空间冗余问题提出改进，并展示了多层ConvLSTM的潜力。实验虽未对比现有数据集，但揭示了(ConvLSTM在预测能力上的增强。
这篇文章来大致介绍一下ConvLSTM的基本原理和应用场景。个人认为有时候对于一个算法改进很大程度上会受到应用场景的启示，比如现在要说的这篇。不知道论文作者当时想到这个idea时是不是也是这样。
1.论文的核心思想
先来想象一下这么一个应用场景：根据某个城市历史的降雨量数据，来预测在接下来的某个时间t降雨量的多少。根据作者的思路：
- a.先将城市划分成 m × n m\times n m×n的格子（ a 1 , a 2 , a m × n a_1,a_2,a_{m\times n} a1,a2,am×n），每个格子代表一个小的区域（例如 100 × 100 ) 100\times100) 10
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
