Pertanyaan yang diberi tag «lstm»

Dalam tautan ini pada Stationaritas dan perbedaan , telah disebutkan bahwa model-model seperti ARIMA memerlukan deret waktu stasionerisasi untuk peramalan karena sifat statistiknya seperti rerata, ragam, autokorelasi dll konstan dari waktu ke waktu. Karena RNN memiliki kapasitas yang lebih baik untuk mempelajari hubungan non-linear ( seperti yang diberikan di sini: …

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

Apakah saya akan mengenakan LSTM saya jika saya melatihnya melalui pendekatan sliding-window? Mengapa orang tampaknya tidak menggunakannya untuk LSTM? Untuk contoh yang disederhanakan, asumsikan bahwa kita harus memprediksi urutan karakter: A B C D E F G H I J K L M N O P Q R S T …

15 lstm  backpropagation  mini-batch-gradient-descent 

Saya bertanya-tanya dalam situasi apa menguntungkan menumpuk LSTM?

14 machine-learning  neural-network  deep-learning  lstm 

Saya telah membangun model LSTM untuk memprediksi pertanyaan duplikat pada dataset resmi Quora. Label uji adalah 0 atau 1. 1 menunjukkan pasangan pertanyaan duplikat. Setelah membangun model menggunakan model.fit, saya menguji model menggunakan model.predictpada data uji. Outputnya adalah array nilai seperti di bawah ini: [ 0.00514298] [ 0.15161049] [ 0.27588326] …

14 machine-learning  python  neural-network  keras  lstm 

Saya berjuang untuk menafsirkan perbedaan pengkodean Keras untuk pelabelan urutan satu-ke-banyak (misalnya klasifikasi gambar tunggal) dan banyak-ke-banyak (misalnya klasifikasi urutan gambar). Saya sering melihat dua jenis kode: Tipe 1 adalah di mana TimeDistributed tidak diterapkan seperti ini: 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)) …

13 keras  rnn  lstm  sequence 

Apakah ada metode untuk menghitung interval prediksi (distribusi probabilitas) di sekitar perkiraan deret waktu dari jaringan saraf LSTM (atau berulang lainnya)? Katakanlah, misalnya, saya memprediksi 10 sampel ke masa depan (t + 1 hingga t + 10), berdasarkan pada 10 sampel terakhir yang diamati (t-9 hingga t), saya berharap prediksi …

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

Saya telah mencoba memahami bagaimana cara merepresentasikan dan membentuk data untuk membuat perkiraan deret waktu multidimensional dan multivarian menggunakan Keras (atau TensorFlow) tetapi saya masih sangat tidak jelas setelah membaca banyak posting blog / tutorial / dokumentasi tentang cara menyajikan data dalam bentuk yang benar (sebagian besar contoh sedikit kurang …

12 python  keras  rnn  lstm 

Saya memperluas pengetahuan saya tentang paket Keras dan saya telah menggunakan beberapa model yang tersedia. Saya memiliki masalah klasifikasi biner NLP yang saya coba selesaikan dan telah menerapkan berbagai model. Setelah bekerja dengan beberapa hasil dan membaca lebih banyak tentang LSTM, sepertinya pendekatan ini jauh lebih unggul daripada yang lain …

12 neural-network  nlp  lstm  recurrent-neural-net 

Saya membuat prototipe aplikasi dan saya membutuhkan model bahasa untuk menghitung kebingungan pada beberapa kalimat yang dihasilkan. Apakah ada model bahasa terlatih dalam python yang bisa saya gunakan? Sesuatu yang sederhana seperti model = LanguageModel('en') p1 = model.perplexity('This is a well constructed sentence') p2 = model.perplexity('Bunny lamp robert junior pancake') …

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 

Menggunakan multi-layer LSTMdengan dropout, apakah disarankan untuk meletakkan dropout pada semua layer yang tersembunyi serta output layer padat? Dalam makalah Hinton (yang mengusulkan Dropout) ia hanya menempatkan Dropout pada layer Dense, tapi itu karena lapisan dalam yang tersembunyi bersifat convolutional. Jelas, saya dapat menguji untuk model spesifik saya, tetapi saya …

11 neural-network  lstm  rnn  dropout  stacked-lstm 

Saya sangat baru dalam belajar dan saya sangat tertarik untuk mengetahui apa itu LSTM dan BiLSTM dan kapan menggunakannya (area aplikasi utama). Mengapa LSTM dan BILSTM lebih populer daripada RNN? Bisakah kita menggunakan arsitektur pembelajaran yang mendalam ini dalam masalah yang tidak diawasi?

11 machine-learning  deep-learning  rnn  lstm 

Saya mencoba membangun sistem pengenalan gerakan untuk mengklasifikasikan ASL (American Sign Language) Gestures, jadi input saya seharusnya adalah urutan frame baik dari kamera atau file video kemudian mendeteksi urutan dan memetakannya sesuai kelas (tidur, membantu, makan, lari, dll.) Masalahnya adalah saya sudah membangun sistem yang sama tetapi untuk gambar statis …

10 neural-network  deep-learning  keras  rnn  lstm 

Saya sedang belajar cara menggunakan Keras dan saya sudah cukup berhasil dengan dataset berlabel menggunakan contoh-contoh pada Chollet's Deep Learning for Python . Kumpulan data adalah ~ 1000 Time Series dengan panjang 3125 dengan 3 kelas potensial. Saya ingin melampaui lapisan Dense dasar yang memberi saya tingkat prediksi sekitar 70% …

10 python  deep-learning  time-series  lstm  rnn 

CNN dapat memiliki ratusan lapisan tersembunyi dan karena mereka sering digunakan dengan data gambar, memiliki banyak lapisan menangkap lebih banyak kompleksitas. Namun, sejauh yang saya lihat, RNN biasanya memiliki beberapa layer misalnya 2-4. Misalnya, untuk klasifikasi elektrokardiogram (EKG), saya telah melihat makalah menggunakan LSTM dengan 4 lapisan dan CNN dengan …

8 deep-learning  cnn  lstm  rnn  feature-extraction 

Saya ingin melakukan prediksi selangkah lebih maju untuk seri waktu dengan LSTM. Untuk memahami algoritme, saya membuat contoh mainan untuk diri saya sendiri: Proses autokorelasi sederhana. def my_process(n, p, drift=0, displacement=0): x = np.zeros(n) for i in range(1, n): x[i] = drift * i + p * x[i-1] + (1-p) …

8 python  keras  time-series  lstm