【机器学习-周总结】-第4周

以下是本周学习内容的整理总结，从技术学习、实战应用到科研辅助技能三个方面归纳：

[链接]

核心思想：
- 使用一维卷积（1D Conv）+ 空洞卷积（Dilated Conv） 建模时序关系；
- 采用因果卷积（Causal Conv） 避免未来信息泄露；
- 残差连接（Residual Block） 用于提升深层网络的训练稳定性。
优势：
- 更易于并行训练；
- 捕捉长距离依赖能力强；
- 参数可控，易调优；
结构核心：
- 多层残差块；
- 每层卷积层使用不同的dilation rate；
- 输出尺寸与输入保持一致（padding处理）；

📌 启示：TCN 是 RNN/LSTM 的高效替代方案，尤其在需要并行计算和长序列建模时效果更佳。

[链接]

内容结构：
- 数据加载与滑动窗口生成；
- TCN模型结构搭建（基于 PyTorch）；
- 模型训练与预测可视化；
关键代码点：
- 使用 nn.Conv1d 构建多层残差模块；
- dilation、kernel size、padding控制 receptive field；
- 注意输出reshape及多步预测场景下的处理方式。

📌 启示：实战帮助理解 TCN 如何融合在预测任务中，也为未来自定义结构提供代码参考模板。

[链接]

内容涵盖：
- 结构化写作技巧（IMRaD框架）；
- 图表绘制推荐：
  - Origin、Matplotlib、PPT美化插件、Graphviz 等；
- 推荐资源网站如：Tableau Public、SciDraw、论文图复现仓库等；
写作建议：
- 段落首句明确主题；
- 先图后文，图注简洁；
- 模型结构图/流程图建议用draw.io或LaTeX TikZ绘制。

📌 启示：图文并茂的表达不仅增强论文可读性，也是科研成果传播力的关键。早规划、重逻辑、注细节是写作核心。

[链接]

常用语法：
- 表格：| 表头 | 内容 | + :--:对齐方式；
- 代码块：使用 ```+ 语言名；
- 数学公式：支持LaTeX格式（需要开启数学公式显示）；
排版优化：
- 使用 HTML 标签如 <br> 实现更细节布局；
- 引用/高亮/目录支持丰富；
附加技巧：
- 图片可引用外链图床；
- 支持 CSDN 专属块（如 Info、Warning 样式盒）增强阅读体验。

📌 启示：良好的排版直接提升内容专业性，建议写博客时养成结构清晰、分段合理、图文并茂的发布习惯。

模块	内容	收获	延伸方向
技术	TCN基础 + 实战博客	掌握TCN核心结构、实现原理与实用性	对比LSTM/Transformer，结合滑坡预测应用
写作	论文结构与绘图方法	强化论文逻辑构建与图表表达能力	制作专属图模板、写作风格训练
工具	CSDN Markdown用法	提升博客排版效率与专业度	可延伸到知乎、Notion、Typora等平台