«lstm» etiketlenmiş sorular

Durağanlık ve farklılaşma üzerine bu bağlantıda, ARIMA gibi modellerin, ortalama, varyans, otokorelasyon vb. Gibi istatistiksel özellikleri zaman içinde sabit olduğundan tahmin için durağanlaştırılmış bir zaman serisi gerektirdiği belirtilmiştir. RNN'ler doğrusal olmayan ilişkileri öğrenmek için daha iyi bir kapasiteye sahip olduklarından ( burada verildiği gibi: Zaman Serisi Tahmini için Tekrarlayan Sinir …

20 deep-learning  predictive-modeling  time-series  forecast  lstm 

Sürgülü pencere yaklaşımı ile eğitirsem LSTM'mi geçecek miyim? Neden insanlar bunu LSTM'ler için kullanmıyor? Basitleştirilmiş bir örnek için, karakter sırasını tahmin etmemiz gerektiğini varsayın: A B C D E F G H I J K L M N O P Q R S T U V W X Y Z …

15 lstm  backpropagation  mini-batch-gradient-descent 

Hangi durumlarda LSTM'leri biriktirmenin avantajlı olduğunu merak ediyorum?

15 machine-learning  neural-network  deep-learning  lstm 

Quora resmi veri kümesinde yinelenen soruları tahmin etmek için bir LSTM modeli oluşturdum. Test etiketleri 0 veya 1'dir. 1 soru çiftinin çift olduğunu gösterir. Kullanarak modeli oluşturduktan sonra model.fit, ben kullanarak modelin test model.predictdeney verileri üzerinde. Çıktı aşağıdaki gibi bir değer dizisidir: [ 0.00514298] [ 0.15161049] [ 0.27588326] [ 0.00236167] …

15 machine-learning  python  neural-network  keras  lstm 

LSTM (veya başka bir tekrarlayan) sinir ağından bir zaman serisi tahmini etrafında tahmin aralığını (olasılık dağılımı) hesaplamak için bir yöntem var mı? Örneğin, son 10 gözlemlenen örneğe (t-9 ila t) dayanarak, gelecekteki 10 örneği (t + 1 ila t + 10) tahmin ediyorum, t + 1'deki tahminin daha fazla olmasını …

14 machine-learning  deep-learning  time-series  prediction  lstm 

Keras kodlama farkını bir-çok (örneğin, tek görüntülerin sınıflandırılması) ve çok-çok (ör. Görüntü dizilerinin sınıflandırılması) dizi etiketlemesi için yorumlamaya çalışıyorum. Sık sık iki farklı kod türü görüyorum: Tip 1, böyle bir TimeDistributed uygulanmadığı yerdir: model=Sequential() model.add(Convolution2D(nb_filters, kernel_size[0], kernel_size[1], border_mode="valid", input_shape=[1, 56,14])) model.add(Activation("relu")) model.add(Convolution2D(nb_filters, kernel_size[0], kernel_size[1])) model.add(Activation("relu")) model.add(MaxPooling2D(pool_size=pool_size)) model.add(Reshape((56*14,))) model.add(Dropout(0.25)) model.add(LSTM(5)) model.add(Dense(50)) …

13 keras  rnn  lstm  sequence 

Bir nasıl temsil ve şekil verileri anlamaya çalışıyorlar de çok boyutlu ve çok değişkenli serisi keras (veya TensorFlow) kullanılarak tahmin zaman ama veri sunmayı konusunda birçok blog yayınları / öğreticiler / belgeleri okuduktan sonra hala çok belirsiz duyuyorum doğru şekil (çoğu örnek biraz daha az Veri Kümem: birkaç şehir hangi …

12 python  keras  rnn  lstm 

Keras paketi hakkındaki bilgilerimi genişletiyorum ve mevcut bazı modellerle çalışıyorum. Çözmeye çalıştığım ve farklı modeller uyguladığım bir NLP ikili sınıflandırma sorunum var. Bazı sonuçlarla çalıştıktan ve LSTM hakkında daha fazla okuduktan sonra, bu yaklaşım denediğim her şeyden (birden çok veri kümesinde) çok daha üstün görünüyor. "Ne zaman neden / kendi …

12 neural-network  nlp  lstm  recurrent-neural-net 

Ben bir uygulama prototip ve bazı oluşturulan cümleler üzerinde şaşkınlık hesaplamak için bir dil modeline ihtiyacım var. Python'da kolayca kullanabileceğim eğitimli bir dil modeli var mı? Gibi basit bir şey model = LanguageModel('en') p1 = model.perplexity('This is a well constructed sentence') p2 = model.perplexity('Bunny lamp robert junior pancake') assert p1 …

11 python  nlp  language-model  r  statistics  linear-regression  machine-learning  classification  random-forest  xgboost  python  sampling  data-mining  orange  predictive-modeling  recommender-system  statistics  dimensionality-reduction  pca  machine-learning  python  deep-learning  keras  reinforcement-learning  neural-network  image-classification  r  dplyr  deep-learning  keras  tensorflow  lstm  dropout  machine-learning  sampling  categorical-data  data-imputation  machine-learning  deep-learning  machine-learning-model  dropout  deep-network  pandas  data-cleaning  data-science-model  aggregation  python  neural-network  reinforcement-learning  policy-gradients  r  dataframe  dataset  statistics  prediction  forecasting  r  k-means  python  scikit-learn  labels  python  orange  cloud-computing  machine-learning  neural-network  deep-learning  rnn  recurrent-neural-net  logistic-regression  missing-data  deep-learning  autoencoder  apache-hadoop  time-series  data  preprocessing  classification  predictive-modeling  time-series  machine-learning  python  feature-selection  autoencoder  deep-learning  keras  tensorflow  lstm  word-embeddings  predictive-modeling  prediction  machine-learning-model  machine-learning  classification  binary  theory  machine-learning  neural-network  time-series  lstm  rnn  neural-network  deep-learning  keras  tensorflow  convnet  computer-vision 

LSTMBırakma ile çok katmanlı bir katman kullanmak , tüm Gizli katmanların yanı sıra Yoğun katmanların çıktısına bırakma yapılması önerilir mi? Hinton'un makalesinde (Bırakmayı önerdi), sadece Yoğun katmanlara Bırakmayı koydu, ancak gizli iç katmanlar kıvrımlıydı. Açıkçası, kendi modelimi test edebilirim, ama bu konuda bir fikir birliği olup olmadığını merak ettim?

11 neural-network  lstm  rnn  dropout  stacked-lstm 

Derin öğrenme konusunda çok yeniyim ve özellikle LSTM ve BiLSTM'nin ne zaman ve ne zaman kullanılacağını bilmekle ilgileniyorum (büyük uygulama alanları). LSTM ve BILSTM neden RNN'den daha popüler? Bu derin öğrenme mimarilerini denetimsiz problemlerde kullanabilir miyiz?

11 machine-learning  deep-learning  rnn  lstm 

ASL (Amerikan İşaret Dili) Hareketlerini sınıflandırmak için bir jest tanıma sistemi oluşturmaya çalışıyorum, bu yüzden girdim bir kameradan veya video dosyasından kare dizisi olması gerekiyordu, ardından diziyi algılıyor ve karşılık gelenlerle eşleştiriyor sınıf (uyku, yardım, yemek, koş, vb.) Şey, zaten benzer bir sistem oluşturdum ama statik görüntüler için (hareket dahil …

10 neural-network  deep-learning  keras  rnn  lstm 

Keras'ı nasıl kullanacağımı öğreniyorum ve Chollet'in Python için Deep Learning'deki örneklerini kullanarak etiketli veri setimle makul bir başarı elde ettim . Veri seti 3 potansiyel sınıflı 3125 uzunluğunda ~ 1000 Zaman Serisidir. Bana yaklaşık% 70 tahmin oranı veren temel Yoğun katmanların ötesine geçmek istiyorum ve kitap LSTM ve RNN katmanlarını …

10 python  deep-learning  time-series  lstm  rnn