3. 深度学习基础回顾 (针对时间序列)

文档摘要

深度学习基础回顾 (针对时间序列) 深度学习基础回顾 (针对时间序列) 在基于深度学习的时间序列预测领域，对深度学习的基础概念有扎实的理解至关重要。本章将回顾深度学习的核心原理，并特别关注其在处理时间序列数据时所面临的独特挑战和解决方案。 3.1 神经网络基本原理深度学习的核心是神经网络，它通过模拟人脑神经元的工作方式来学习和识别复杂模式。一个典型的神经网络由输入层、一个或多个隐藏层以及输出层组成。 3.1.1 神经元 (感知机) 神经网络的基本组成单元是神经元，也称为感知机。每个神经元接收来自其他神经元的输入信号，对这些信号进行加权求和，然后通过一个激活函数产生输出。 $$ y = f(\sum{i=1}^{n} wi xi + b) $$ 其中： $xi$ 是第 $i$ 个输入。