总结
- 实践上做了两个时序预测方面的练习，一个XGBoost辅助分析多变量RNN的电影票销售预测和一个XGBoost筛选特征LSTM+MLP混合模型的加密货币价格走势预测。
- 编程基础上系统完成CS61A的Python部分课程和练习，提升了编程熟练度。
- 工具上学习了一些docker云平台方面基础方便以后搭建可复现研究环境。
后续规划
- 后续计划上初步想的是看一下李沐老师的深度学习和论文精读中序列相关部分内容，实现基于LSTM的交互模型，基于transformer的预测模型，阅读一些轨迹预测相关论文，熟悉相关数据集和评估指标。
- 以下可参考
- 基于RNN的模型：
Social-LSTM(社交交互建模) - 基于GAN的模型：
Social-GAN - 基于Transformer/Attention的模型：
VectorNet,AgentFormer等（当前的主流方向） - （可选）基于GNN的模型： 了解图神经网络如何建模多智能体交互。