A-Dual-Stage-Attention-Based-Recurrent-Neural-Network-for-Time-Series-Prediction
A-Dual-Stage-Attention-Based-Recurrent-Neural-Network-for-Time-Series-Prediction copied to clipboard
Published
20 hours ago •
cingtiye
cingtiye
复现论文题目
A Dual-Stage Attention-Based Recurrent Neural Network for Time Series Prediction
数据链接
(https://cseweb.ucsd.edu/~yaq007/NASDAQ100_stock_data.html)
文件夹介绍
文件夹data下存放的是数据;
文件夹_models下存放每一次运行保存的模型(运行程序后会自动生成);
文件夹_logs/logs_xxxxx为保存的tensorboard(运行程序后会自动生成);
文件夹model下为3个.py文件,分别为:
- DSARNN.py --模型
- lookahead_optimizer.py --优化算法
- randam_optimizer.py --优化算法
文件夹paper下为论文.pdf
文件夹 ulti下为读取数据的.py,分别为:
- feature_extract.py -- 提取特征,程序中没有用到该.py
- get_data_train.py -- 得到训练集和验证集,测试集没有被用到
config.py为配置程序，程序中没有用到该.py
main_test_darnn.py为主程序
程序执行需求
程序需要安装以下库才能运行:
- tensorflow-gpu == 1.10.0
- h5py
- tqdm
程序执行
python main_test_darnn.py
程序执行后,会分别在log中保存模型，logs_xxxxxx中保存向量和损失函数等,可以通过tensorboard --logdir ./_logs/logs_xxxxxx查看权重, 偏置,损失函数等的收敛情况.
cingtiye