基于时间序列的深度特征提取：2D 变换方法
类似于方程 1，我们可以通过 Period() 估计深度特征 Xl1 1D 的周期长度。根据估计的周期长度，我们可以将 1D 时间序列转换为 2D 空间，并获得一组 2D 张量，从中可以通过参数高效的 Inception 块方便地获得信息表示。该过程如下所示：
原文地址: https://www.cveoy.top/t/topic/lxNe 著作权归作者所有。请勿转载和采集!
安全问答是一个知识全球问答,包含丰富的问答知识
类似于方程 1，我们可以通过 Period() 估计深度特征 Xl1 1D 的周期长度。根据估计的周期长度，我们可以将 1D 时间序列转换为 2D 空间，并获得一组 2D 张量，从中可以通过参数高效的 Inception 块方便地获得信息表示。该过程如下所示：
原文地址: https://www.cveoy.top/t/topic/lxNe 著作权归作者所有。请勿转载和采集!