dimaoe2852-CSDN博客

转载论文研读《Long short-term memory for machine remaining life prediction》

研究动态系统例如飞机发动机的剩余寿命预测。系统性能退化跟踪和剩余寿命预测。因传统的机器学习算法在适应制造系统和过程的复杂和非线性特性时往往受到限制，深度学习方法可以客服传统方法的不足，提高系统复杂度的表征能力。本文提出了一种基于lstm网络的方法，该网络是一种专门用于发现嵌入在时间序列中的底层模式的体系结构，用于跟踪系统的退化，从而预测剩余寿命。本文的目标是：1）将原始传感器数...

2019-09-27 16:12:00 653

转载 Seq2Seq英法文word2vec代码研究

代码所需数据集在https://github.com/NELSONZHAO/zhihu/tree/master/machine_translation_seq2seq 下载。tqdm是为了加载进度条使用。训练代码import warningswarnings.filterwarnings("ignore")import numpy as npimpo...

2019-08-27 18:36:00 425

转载 Seq2Seq英法文one-hot代码研究

input_texts代表每句英文，存储形式（数组）如['Go.', 'Hi.', 'Run!', 'Run!', 'Wow!', 'Fire!',...,, 'Help me, please.']input_characters 代表英文中的每个字符，存储形式（集合）如{'V', "'", 'e', 'I', ' ', 'a', 'G', 'U', '9',...

2019-08-22 18:28:00 225

转载 Seq2Seq数字代码解读

# -*- coding: utf-8 -*-import tensorflow as tfimport numpy as npimport helper####################################################### 定义模型PAD = 0EOS = 1# UNK = 2# GO = 3v...

2019-08-21 16:02:00 310

转载 2019年8月13日《TensorFlow 实战Google深度学习框架》学习 20190813-20180814

2014年提出的Seq2Seq模型。训练步骤分为预处理，词对齐，短语对齐，抽取短语特征，训练语言模型，学习特征权重等诸多步骤。基本思想为：使用一个循环神经网络读取输入句子，将整个句子的信息压缩到一个固定维度的编码中；再使用另一个循环神经网络读取这个编码，将其解压为目标语言的一个句子。对于平行预料的处理，首先，需要统计语料中出现的单词，为每个单词分配一个ID，将词汇表存入一...

2019-08-13 19:40:00 121

转载《TensorFlow 实战Google深度学习框架》学习 20190812

写了半天的稿子没有保存！！！下面例子为PTB完整的自然语言处理训练程序# -*- coding: utf-8 -*-import numpy as npimport tensorflow as tf# 训练数据路径TRAIN_DATA = "ptb.train."# 验证数据路径EVAL_DATA = "ptb.valid"# 测试...

2019-08-12 19:38:00 81

转载《TensorFlow 实战Google深度学习框架》学习 20190809

选用PTB数据集。首先将这10000个不同的词汇分别映射到0~9999之间的整数编号。下面代码为每个词汇分配一个编号，然后将词汇表保存到一个独立的vocab文件中。# -*- coding: utf-8 -*-import codecsimport collectionsfrom operator import itemgetterRAW_DATA="E:...

2019-08-09 19:29:00 105

转载《TensorFlow 实战Google深度学习框架》学习 20190808

第八章循环神经网络循环神经网络的主要用途是处理和预测序列数据。它会记忆之前的信息，并利用之前的信息影响后面节点的输出。也就是说，循环神经网络的隐藏层之间的节点是有连接的，隐藏层的输入不仅包括输入层的输出还包括上一时刻隐藏层的输出。droplet可以使神经网络更加健壮，不同层循环体之间会使用droplet。下面为8.4的程序详解# -*coding: utf-8 -*...

2019-08-08 16:35:00 104

转载《TensorFlow 实战Google深度学习框架》学习 20190807

今天看第五章MNIST数字识别问题。mnist数据集包含了60000张图片作为训练数据（55000训练+5000验证），10000张图片作为测试数据。每个图片为28*28大小的矩阵，处理后的每张图片是一个长度为784的一维数组，数组中的元素对应了图片像素矩阵中的每一个数字。from tensorflow.examples.tutorials.mnist import inpu...

2019-08-07 19:32:00 55

转载《TensorFlow 实战Google深度学习框架》学习 20190806

今天从第四章学起-------深层神经网络。深层神经网络是实现“多层非线性变换”最常用的一种方法：在线性模型中，模型输出为输入的加权和。他的最大特点是任意线性模型的组合仍然是线性模型。在没有激活函数时，只进行简单的前向传播，就算网络层数再多也与单层的网络没有什么区别。而线性模型能够解决的问题是有限的，这也是为什么深度学习要强调非线性。例如在线性可分问题中，使用liner...

2019-08-06 16:59:00 76

转载《TensorFlow 实战Google深度学习框架》学习 20190805

一些人类通过直觉可以很快解决的问题，目前却很难通过计算机解决。这就是人工智能需要解决的问题。机器学习：如果一个程序可以在任务T上，随着经验E的增加，效果P也可以随之增加，则称这个程序可以从经验中学习。在使用逻辑回归算法分类垃圾邮件时，最终效果不仅取决于训练数据，也依赖于从数据中提取的特征。一旦解决了数据表达（比如直角坐标和极坐标的转化）和特征提取，很多人工...

2019-08-05 16:49:00 74

转载想计算机科学家一样思考python（3）

第五章条件和递归“//”代表向下取整除法“%”求模操作符判断互文的代码：# -*- coding: utf-8 -*-def first(word): return word[0]def last(word): return word[-1]def middle(word): return word[1:-1]def ...

2018-07-23 19:11:00 192

转载像计算机科学家一样思考python(2)

第四章接口设计主要介绍了封装，泛化等过程。个人觉得这是其他python教程中没有专门提及到的，简单来讲就是函数参数的传入过程，理解起来并不难，但是想做到能够灵活运用以减少重复代码的效果还需要多多学习。import turtlebob=turtle.Turtle()输入以上命令，会创建一个新窗口，里面有个箭头代表乌龟(乌龟的名字叫bob哈哈哈哈)。# -*- coding:...

2018-07-09 13:54:00 125

转载像计算机科学家一样思考python（1）

今天开始学习这本书，由于有薄弱的基础，看起来并不会很吃力，先记录下简单的一个习题练习3-3# -*- coding:utf-8 -*-def do_twice(f): f() f()def do_four(f): do_twice(f) do_twice(f)def jiajian(): print('+ - - - ...

2018-06-28 15:40:00 123

dimaoe2852的博客