关于MIM的模型不进行过多介绍，感兴趣的可以去看原论文，或者看其他作者的解读，比如AI蜗牛车【时空序列预测第五篇】时空序列预测模型之Memory In Memory（学习高阶非平稳特征信息）
这个模型是之前打雷达回波外推比赛的时候复现的代码，一直没来得及整理。在复现过程中发现了一些比较有意思的地方，原作者发布了tf的代码，复现的时候对照论文和代码看了一下，tf代码有些地方和论文描述不是很一致（和其他人也交流过这篇文章的复现问题，也都表示存在不一致的地方），然后就按照论文中给出的公式和框架结构进行了复现。
模型代码为Pytorch，这里仅给出了模型的源代码（源代码已发布在GitHub）。下图是利用雷达回波数据的测试结果：
以下是源代码链接，感兴趣的可以测试一下，如有什么疑问欢迎提出一起交流学习。GitHub源: https://github.com/bugsuse/MIM_PyTorch
—END—
