- 博客(4)
- 收藏
- 关注
RSS订阅原创 【神经网络】学习笔记十三——RNN和LSTM训练过程3.0
好上篇讲了RNN和LSTM训练和结构与MLP和CNN的区别，讲的是比较清晰的。然后讲了RNN和LSTM的所有参数和输入输出。地址：(44条消息) 写文章-CSDN博客这篇讲RNN和LSTM的训练。以下直接讲RNN的，因为是一样的。差异会附在后面。emm还想分享一下自己的体会。一定要先看MLP结构和训练原理，再看CNN，再看RNN，再看LSTM。开始正文。一、RNN训练过程我们先看两张图。在上图中可以看出，对于一个RNN，需要求的参数有W，V和U。有人问上面不是有很多个U，
2021-06-13 17:04:38
2250
原创 基于KG嵌入和卷积-LSTM网络的药物-药物相互作用预测——重现
本篇讲一下要是想重现应该从哪些方面去入手。一、前言首先来说，本文构建的网络是由CNN和LSTM复合而成的一个Conv-LSTM网络，而且涉及到了参数优化，网络构建，训练等一系列东西。要是你初学的话，真的不建议你直接上手这个。要重现本文，我觉得有以下要点：（1）单纯对于要构建的神经网络来说，在这之前你要充分理解CNN，RNN，LSTM和MLP的原理以及实现，注意是充分熟练的了解；（2在熟练掌握上面的原理的基础上，大量实践，通过复现基础的东西，充分掌握如何构建，训练和实现那些单一的网络，才能
2021-06-07 21:27:45
884
原创 【神经网络】学习笔记十二——RNN和LSTM的输入输出格式2.0
本篇写LSTM的输入输出。一、输入格式首先粘贴官方文档：h和c的解释看下面，直接来看输入Input。其格式为（seq_len，batch，input_size），输入为一个三维向量，第一维表示序列长度，即按时间序列展开有多少个可见的cell，等价于time_step；第二维表示数据批次的多少batch，即数据分为几批送进来；第三维input_size，表示每个time_step代表输入x的特征维数，即输入的特征向量的长度。二、输出格式官方文档：（1）output形状为（s
2021-06-02 20:19:32
3540
原创 【神经网络】学习笔记十一——RNN和LSTM参数详解及训练1.0
好恭喜各位找到一篇宝藏博文。本系列篇解释RNN和LSTM的参数详解和训练过程，说的较为详细。这一篇1.0先写原理和参数解释。理解RNN的结构，注意结合参数理解时间序列展开，空间序列展开。一、从MLP和CNN引起总的来说，全连接神经网络或者说MLP的训练和结构是好理解的。一个一维长度为n的输入，中间过几个全连接层，都是一维若干的长度，输出为几分类就是多少维的向量，节点到节点的参数构成weight矩阵，隐藏层每个节点又有bias值，这就是一个全连接网络的参数。训练就是想得出这weight矩阵和B
2021-06-02 15:01:01
6759
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人