哪位matlab深度學習大神告訴我一下卷積神經網路怎麼用於時間序列的預測。？
現在研究生課題搞光伏功率預測，輸入是數字天氣預報值，實際上就是數值矩陣，也看了matlab官網的卷積神經網路工具包示例，都是關於圖像處理。實在搞不懂怎麼處理時間序列問題。
用一維卷積鴨~一維因果擴張卷積，掌控好感受野，盡量覆蓋窗口內所有時間點。
處理時間序列比較普遍使用RNN或者LSTM，這兩者是循環神經網路，可以解決時間依賴的信號。卷積神經網路一般處理靜態圖像，比如圖像識別，分割等。不過經過對輸入圖像的處理，也可以去處理時間序列圖像，具體方法就需要去搜索相關論文了。
有一篇論文用conv做seq to seq
的，直接在百度上搜conv seq2seq就有介紹
首先，你的輸出是有限個離散值嗎？功率是連續值的情況下，你先要了解CNN如何完成回歸的任務。
當然，你如果劃分成有限個區間，會更好做一點，但這不是你想要的功能吧？
數據方面，最簡單的是將矩陣拉伸成向量做一維CNN，當然RNN也能用，我十分建議選擇LSTM，它在處理時間序列上十分優秀
但是如果你的矩陣分量互相之間存在著很強的相關性，我很擔心矩陣拉伸成向量會帶來信息損失，這也是我現在在困惑的一個問題
一維的CNN可以做序列預測，《Python深度學習》上有一個簡單的例子，可以去了解一下。
大哥，真的，別濫用深度學習！
別說CovNN，LSTM都報不太好時間序列，翻譯好一點。你這真的，真的是濫用了，有這時間多讀一點點深度學習的書你也不會這麼想
天氣的數值型矩陣，不方便直接因式分解那些預測光功率的離散數值。
考慮到圖像的灰度值是0-255，所以想從卷積神經網路裡面找到合適的分類規律。
只是，時間序列是回歸問題，不是ACC那種統計模型差異的做法，而是MSE那種總體偏差多少的統計學問題。
另外，概率體系是用於分類任務的。
推薦閱讀：
