分类预测 | MATLAB实现SMA-CNN-BiLSTM-Attention多输入分类预测

视频链接：
https://www.youtube.com/watch?v=ugWDIIOHtPA&list=PLJV_el3uVTsOK_ZK5L0Iv_EQoL1JefRL4&index=60

文章目录

• • • Self-Attention layer
    • Multi-head self-attention
    • Positional encoding
    • Seq2Seq with Attention
    • Transformer
    • Universal Transformer

Seq2Seq

RNN不容易被平行化
提出用CNN来代替RNN，CNN 可以平行化，但是需要的层数比较深，才能看完所有的输入内容。

Self-Attention layer

b1 到b4 是可以同时被算出。
可以用来取代RNN。

然后用每一个a 去对每个k 做attention

加速的矩阵乘法过程

Multi-head self-attention

不同的head 可以关注不同的内容，达到一个更好的注意力效果。

Positional encoding

self-attention 没有考虑位置信息。
因此需要再ai的同时加ei，表示位置信息，有人工控制。

Seq2Seq with Attention

Transformer

Universal Transformer