深度学习模型
文章平均质量分 85
郭小儒
是个好看的笨蛋
展开
-
深度学习LSTM_理论
LSTM(Long short-term memory)是一种在深度学习中广泛使用的RNN结构,擅长捕捉长期的依赖关系,适合序列预测。(为什么能捕捉长期依赖关系?和传统的神经网络不同,LSTM包含反馈连接,(带来的好处是)能够处理全部的数据序列,而不是单个的数据点,使得在时间序列、文本、话音等序列数据中有较强的性能。原创 2023-12-02 17:10:41 · 1336 阅读 · 0 评论 -
LSTM_预测价格问题_keras_代码实操
数据进行预测,使用60个数据点预测第61个数据点。使用Bicton数据集,对。没有写完,明天再写:)原创 2023-12-02 18:56:04 · 402 阅读 · 0 评论 -
深度学习RNN_理论_实战演练
输入输出相互独立在训练时,全连接神经网络假设输入彼此独立,这只能单独的取处理一个个的输入,前一个输入和后一个输入是完全没有关系的。但是,某些任务需要能够更好的处理序列的信息,即前面的输入和后面的输入是有关系的。具有内部环状连接的人工神经网络,用于处理序列数据。其最大特点是网络中存在着环,使得信息能在网络中进行循环,实现对序列信息的存储和处理。解决问题:RNN使用隐藏层来克服无法记住前面单词的问题。原创 2023-11-29 16:11:32 · 1059 阅读 · 0 评论 -
深度学习MLP_实战演练使用感知机用于感情识别_keras
和其他算法不同,这个目标函数不能求导,所以Perceptron使用 Stochastic Gradient Descent(随机梯度下降法)来最小化目标函数(如果数据集是线性可分的,就可以使用这个方法,并且在有限的steps内converge收敛)在较低的文本语料库中,一些词非常常见(例如,英文中的“the”,“a”,“is”),因此很少带有文档实际内容的有用信息。的梯度,之后让第一个隐藏层的权重更新为这个梯度,这个过程将抑制持续,直到所有的输入输出对都收敛,意味着新的梯度不能改变收敛阈值。原创 2024-01-02 12:35:05 · 1150 阅读 · 0 评论