本章结构图:
长短期记忆(LSTM)系列文章是本人对博主Jason Brownlee博士文章学习的笔记,分享给大家一起学习如有版权问题请联系本人。
本专题包含4篇文章:
长短期记忆(LSTM)系列_LSTM的建模方法(1)——生成式LSTM网络,Encoder-Decoder LSTM网络,CNN LSTM(LRCN)网络建模介绍
长短期记忆(LSTM)系列_LSTM的建模方法(2)——如何堆叠多层LSTM网络
长短期记忆(LSTM)系列_LSTM的建模方法(3)——如何判断LSTM模型的过度拟合和欠拟合
长短期记忆(LSTM)系列_LSTM的建模方法(4)——Keras中如何保存和加载训练好的预测模型
上一个专辑中介绍了在构建一个神经网络模型前,如何准备用于输入训练的数据集,并搭建了一个最简单的神经网络模型,让我们可以实战操作一下。见文章。 长短期记忆(LSTM)系列_LSTM的数据准备(7)——总结(完结)
本专辑在此基础上,介绍了一些LSTM建模方法,比如:
如何构建一个堆叠的多层LSTM神经网络、
如何建立一个CNN_LSTM(LRCN)网络、
如何简历一个编码器-解码器LSTM网络、
在训练网络时如何判断网络是否出现过拟合和欠拟合的情况,如何解决上述问题、
在一个网络训练完成后,如何保存起来,以及应该如何调用已经保存的网络
学到这里,你就可以独立开发属于自己的LSTM网络了,下一章我们会进一步学习LSTM网络的一些特性。