資訊專欄INFORMATION COLUMN
摘要：設(shè)計用于處理序列依賴性的強大類型的神經(jīng)網(wǎng)絡(luò)稱為復(fù)現(xiàn)神經(jīng)網(wǎng)絡(luò)。你會知道關(guān)于國際航空公司乘客時間序列預(yù)測問題。感謝所有指出這個問題的人和菲利普奧布萊恩幫助提出的解決方案。
段哥
http://machinelearningmastery...
時間序列預(yù)測問題是一種困難類型的預(yù)測建模問題。
與回歸預(yù)測建模不同，時間序列還增加了輸入變量之間的序列相關(guān)性的復(fù)雜性。
設(shè)計用于處理序列依賴性的強大類型的神經(jīng)網(wǎng)絡(luò)稱為復(fù)現(xiàn)神經(jīng)網(wǎng)絡(luò)。 長期短期記憶網(wǎng)絡(luò)或LSTM網(wǎng)絡(luò)是一種用于深度學(xué)習(xí)的遞歸神經(jīng)網(wǎng)絡(luò)，因為可以成功地訓(xùn)練非常大的體系結(jié)構(gòu)。
在本文中，您將了解如何使用Keras深度學(xué)習(xí)庫來開發(fā)Python中的LSTM網(wǎng)絡(luò)，以解決演示時間序列預(yù)測問題。
完成本教程后，您將了解如何為您自己的時間序列預(yù)測問題和其他更一般的序列問題實現(xiàn)和開發(fā)LSTM網(wǎng)絡(luò)。 你會知道：
·關(guān)于國際航空公司乘客時間序列預(yù)測問題。
·如何開發(fā)LSTM網(wǎng)絡(luò)用于回歸，基于窗口和時間步長的時間序列預(yù)測問題的框架。
·如何使用LSTM網(wǎng)絡(luò)開發(fā)和進(jìn)行預(yù)測，這些網(wǎng)絡(luò)可以在非常長的序列中維護(hù)狀態(tài)（內(nèi)存）。
在本教程中，我們將為標(biāo)準(zhǔn)時間序列預(yù)測問題開發(fā)大量的LSTM。
問題和LSTM網(wǎng)絡(luò)的選擇配置演示的目的是他們沒有優(yōu)化。
這些示例將向您展示如何為時間序列預(yù)測建模問題開發(fā)自己的不同結(jié)構(gòu)化LSTM網(wǎng)絡(luò)。
讓我們開始吧。
2016.10更新：在每個示例中計算RMSE的方式計算誤差。 報告的RMSE只是平淡的錯誤。 現(xiàn)在，RMSE直接從預(yù)測計算，RMSE和預(yù)測圖以原始數(shù)據(jù)集為單位。 使用Keras 1.1.0，TensorFlow 0.10.0和scikit-learn v0.18評價模型。 感謝所有指出這個問題的人和菲利普·奧布萊恩幫助提出的解決方案。
文章版權(quán)歸作者所有，未經(jīng)允許請勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。
轉(zhuǎn)載請注明本文地址：http://m.hztianpu.com/yun/38490.html
摘要：深度學(xué)習(xí)在過去的幾年里取得了許多驚人的成果，均與息息相關(guān)。機器學(xué)習(xí)進(jìn)階筆記之一安裝與入門是基于進(jìn)行研發(fā)的第二代人工智能學(xué)習(xí)系統(tǒng)，被廣泛用于語音識別或圖像識別等多項機器深度學(xué)習(xí)領(lǐng)域。零基礎(chǔ)入門深度學(xué)習(xí)長短時記憶網(wǎng)絡(luò)。 多圖｜入門必看：萬字長文帶你輕松了解LSTM全貌 作者 | Edwin Chen編譯 | AI100第一次接觸長短期記憶神經(jīng)網(wǎng)絡(luò)（LSTM）時，我驚呆了。原來，LSTM是神...
摘要：前饋網(wǎng)絡(luò)的反向傳播從最后的誤差開始，經(jīng)每個隱藏層的輸出權(quán)重和輸入反向移動，將一定比例的誤差分配給每個權(quán)重，方法是計算權(quán)重與誤差的偏導(dǎo)數(shù)，即兩者變化速度的比例。隨后，梯度下降的學(xué)習(xí)算法會用這些偏導(dǎo)數(shù)對權(quán)重進(jìn)行上下調(diào)整以減少誤差。 目錄前饋網(wǎng)絡(luò)遞歸網(wǎng)絡(luò)沿時間反向傳播梯度消失與梯度膨脹長短期記憶單元（LSTM）涵蓋多種時間尺度本文旨在幫助神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)者了解遞歸網(wǎng)絡(luò)的運作方式，以及一種主要的遞歸網(wǎng)絡(luò)...
摘要：意味著完全保持，意味著完全丟棄?？ū全F寫這篇博文的時間我本可以抓一百只，請看下面的漫畫。神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)會以的概率判定輸入圖片中的卡比獸正在淋浴，以的概率判定卡比獸正在喝水，以的概率判定卡比獸正在遭遇襲擊。最終結(jié)果是卡比獸正在遭遇襲擊 我第一次學(xué)習(xí) LSTM 的時候，它就吸引了我的眼球。事實證明 LSTM 是對神經(jīng)網(wǎng)絡(luò)的一個相當(dāng)簡單的擴(kuò)展，而且在最近幾年里深度學(xué)習(xí)所實現(xiàn)的驚人成就背后都有它們...
閱讀 2231·2021-11-12 10:36
閱讀 2228·2021-09-03 10:41
閱讀 2887·2021-08-19 10:57
閱讀 1355·2021-08-17 10:14
閱讀 1545·2019-08-30 15:53
閱讀 1268·2019-08-30 15:43
閱讀 1033·2019-08-30 13:16
閱讀 3064·2019-08-29 16:56
