密码保护：郑晓晴周报2019.6.30
此内容受密码保护。如需查阅，请在下列字段中输入您的密码。
密码：
...
密码保护：郑晓晴周报2019.6.22
此内容受密码保护。如需查阅，请在下列字段中输入您的密码。
密码：
...
密码保护：郑晓晴周报2019.6.16
此内容受密码保护。如需查阅，请在下列字段中输入您的密码。
密码：
...
密码保护：郑晓晴周报2019.6.9
此内容受密码保护。如需查阅，请在下列字段中输入您的密码。
密码：
...
郑晓晴周报2019.6.2
1.对数据进行了分析，根据谱峰周期和一个周期内数据点个数，得出采样频率为10HZ。那我们预测间隔10点就是预测1s后的数据。
2.查阅lstm多尺度分析论文，发现所有涉及到多尺度的论文其实都是在说小波变换，看来多尺度最后还是要从小波入手。
3.分析预测结果的毛刺跟dropout有关。在网上查询lstm中units究竟是什么，数据输入到网络中是怎么运算得到预测结果，dropout又具体起到什么作用。
4.老师教给我们用对数据进行FFT，分析频谱后，对数据进行5次小波分解，发现可以将数据比较好的分开，接下来训练lstm模型进行预测看效果如何。
...
密码保护：郑晓晴周报2019.5.26
此内容受密码保护。如需查阅，请在下列字段中输入您的密码。
密码：
...
密码保护：郑晓晴周报2019.5.20
此内容受密码保护。如需查阅，请在下列字段中输入您的密码。
密码：
...
密码保护：郑晓晴周报2019.5.13
此内容受密码保护。如需查阅，请在下列字段中输入您的密码。
密码：
...
密码保护：郑晓晴周报2019.5.4
此内容受密码保护。如需查阅，请在下列字段中输入您的密码。
密码：
...
郑晓晴周报2019.4.21
1.实验论证了小波分解首先没有出错，然后再进行实验。训练LSTM模型时有一些耗时，我又改了SVR+小波的代码，这样训练的时候可以用SVR做一些测试，提高效率。换了一些数据和用了不同的小波函数分解，舍弃高频部分做预测和真实数据对比，结果预测和没有小波分解预测相比没有提升。后来把分解的低频和真实数据一比，发现基本完全重合，所以分解预测没有什么提升。
2.修改代码的过程中，想实验下各个参数如神经元个数，激活函数等对LSTM的影响有多大，从各个角度分析下影响LSTM精度的因素。
3.投出了两个软著。
4.帮师兄检查了下论文，论文真是先写出一个框架，然后慢慢修改逐渐完善打磨的过程，跟最初的版本比最终论文真是变化很大。
...