![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
RNN
文章平均质量分 83
iyangdi
这个作者很懒,什么都没留下…
展开
-
论文学习:深度循环神经网络用于时间序列预测
深度循环神经网络用于时间序列预测原文: Deep Recurrent Neural Networks for TimeSeries PredictionProblem文章简介内容和后面内容极大重合,有点不知所云 感觉前面废话有点多 文章内容很晦涩摘要增加隐藏层or增加反馈范围都会提高erro下降的速度数据集:癫痫数据 (epileptic seizure suppression electr翻译 2017-04-12 11:34:04 · 6102 阅读 · 1 评论 -
Python时间序列LSTM预测系列教程(11)-多步预测
Multi-Step LSTM预测(2)教程原文链接多步预测的LSTM网络数据准备1、变成具有稳定性数据2、缩放数据Python时间序列LSTM预测系列教程(2)-单变量LSTM模型预测过程1、数据预测处理,准备数据2、定义模型3、训练模型4、预测5、数据逆变换6、评估代码原创 2017-09-08 16:54:21 · 15950 阅读 · 0 评论 -
Python时间序列LSTM预测系列教程(9)-多变量
多变量LSTM预测模型(3)前置教程:Python时间序列LSTM预测系列教程(7)-多变量Python时间序列LSTM预测系列教程(8)-多变量定义&训练模型1、数据划分成训练和测试数据本教程用第一年数据做训练,剩余4年数据做评估2、输入=1时间步长,8个feature3、第一层隐藏层节点=50,输出节点=14、用平均绝对误差M原创 2017-09-07 16:28:34 · 15940 阅读 · 16 评论 -
Python时间序列LSTM预测系列教程(8)-多变量
多变量LSTM预测模型(2)数据来源于处理:Python时间序列LSTM预测系列教程(7)LSTM数据预处理1、转换成有监督数据用历史的污染数据、天气数据预测当前时刻的污染值2、数据归一化# coding=utf-8原创 2017-09-07 14:56:25 · 7447 阅读 · 1 评论 -
Python时间序列LSTM预测系列教程(7)-多变量
空气污染预测案例数据格式Noyearmonthdayhourpm2.5DEWPTEMPPREScbwdIwsIsIr12010110NA-21-111021NW1.790022010111NA-21-12原创 2017-09-07 11:25:02 · 10396 阅读 · 1 评论 -
Python时间序列LSTM预测系列教程(6)-单变量
简单LSTM案例的扩展思考基于Python时间序列LSTM预测系列教程(4)~(5)中介绍的LSTM案例是最简单状态的LSTM,要得到优化的LSTM,需要进行很多扩展实验1、Mini-Step预测可以将预测变成n-time step的预测2、Tune模型至少tune下神经元个数和epoch的次数在训练期间,通过回调进行早期停止,也可能获得好的结果原创 2017-09-07 09:39:15 · 4686 阅读 · 0 评论 -
Python时间序列LSTM预测系列教程(5)-单变量
更健壮的LSTM案例基于Python时间序列LSTM预测系列教程(4)描述的案例,进行改进Keras每次会默认随机初始化LSTM为了评估模型的性能,可以多次试验,求RMSE的均值代码解析#重复实验 repeats = 30error_scores = list()for r in range(repeats): #fit 模型原创 2017-09-06 17:24:56 · 4031 阅读 · 0 评论 -
Python时间序列LSTM预测系列教程(4)-单变量
完整的LSTM案例本案例将结合Python时间序列LSTM预测系列教程(2)~(3)中的案例步骤概览1、加载csv文件2、数据格式转换1)转换成监督数据2)将数据转换成稳定的3)缩放数据范围为 [-1,1]3、将数据fit到有状态的LSTM模型4、在测试数据上评估LSTM5、预测性能报告代码解析# coding=utf-8原创 2017-09-06 16:50:43 · 3458 阅读 · 0 评论 -
Python时间序列LSTM预测系列教程(3)-单变量
LSTM Model DevelopmentLSTM基础Keras 中 LSTM 的层维护一个 batch 的状态一个 batch = 来自训练数据的确定个数的 rows , 他确定了在更新整个网络权重前需要处理的 pattern 的个数默认的,batchs 间的状态会清空,通过调用 reset_states() 可以控制什么时候清除 LSTM 层状态L原创 2017-09-06 11:24:33 · 5336 阅读 · 1 评论 -
Python时间序列LSTM预测系列教程(1)-单变量
教程原文连接香皂销售预测数据下载https://datamarket.com/data/set/22r0/sales-of-shampoo-over-a-three-year-period数据处理1、删除数据中最下面的说明行2、最好修改第一列(时间信息)的格式为 yyyy/mm/dd,否则按照默认格式,在 datetime.strptime() 的时候容易出错原创 2017-09-05 16:37:07 · 10744 阅读 · 3 评论 -
Python时间序列LSTM预测系列教程(2)-单变量
数据准备3步走:1、将时间序列转换成监督学习问题2、将时间序列进行处理,使之稳定3、将观测值进行缩放原创 2017-09-06 10:27:37 · 5442 阅读 · 1 评论 -
RNN时间序列预测(2)-Tensorflow入门,RNN操作
Title Content 原文 https://www.tensorflow.org/tutorials/recurrent 说明 因为要做RNN的时间序列分析,需要用到LSTM模型,以下是学习摘要模型LSTM模型包含一个LSTM cell,在一个时刻处理一个输入,并计算下一个可能出现值的概率。模型初始化为0向量,处理完输入后更新。为了计算效率,设定最小批处理数为batch_s翻译 2017-04-19 11:56:35 · 5276 阅读 · 0 评论 -
RNN时间序列预测(1)-Tensorflow入门,MNIST学习
Title Content 原文 https://github.com/jikexueyuanwiki/tensorflow-zh/blob/master/tex_pdf/tensorflow_manual_cn.pdf 说明 因为要做RNN的时间序列分析,先根据其MNIST,理清楚tensorflow的处理流程,以下是学习摘要2.1.1 MNIST数据集import input原创 2017-04-18 21:11:42 · 2866 阅读 · 0 评论 -
论文学习:深度学习时间序列建模
深度学习时间序列建模原文: Deep Learning for Time Series Modeling CS 229 Final Project Report4 Step 1 - 线性模型线性回归可以看作特殊的退化的神经网络,他没有隐藏层特征创建的过程是浪费的,因为多项式的展开并没有带来统计特性而且耗时 可以用子集选择的方法+扩展变量的方法来解决,但是只能在小的subsets上,而且可能会损翻译 2017-04-12 16:04:30 · 6588 阅读 · 0 评论 -
Python时间序列LSTM预测系列教程(10)-多步预测
Multi-Step LSTM预测(1)教程原文链接数据集Python时间序列LSTM预测系列教程(1)-单变量数据准备与模型评估1、拆分成训练和测试数据。训练数据=前两年香皂销售数据测试数据=剩下一年的香皂销售数据2、Multi-Step 预测假设需要预测3个月的销售数据3、模型评估用roll原创 2017-09-08 15:17:01 · 17222 阅读 · 5 评论