Què és la sèrie temporal Lstm?
Què és la sèrie temporal Lstm?

Vídeo: Què és la sèrie temporal Lstm?

Vídeo: Què és la sèrie temporal Lstm?
Vídeo: Recurrent Neural Networks (RNNs), Clearly Explained!!! 2024, Abril
Anonim

Sèries temporals Predicció amb LSTM Xarxes neuronals recurrents en Python amb Keras. La xarxa de memòria a curt termini o LSTM La xarxa és un tipus de xarxa neuronal recurrent que s'utilitza en l'aprenentatge profund perquè es poden entrenar amb èxit arquitectures molt grans.

Aleshores, Lstm és bo per a sèries temporals?

Ús de LSTM per fer previsions temps - sèrie . RNN ( LSTM ) són boniques bo per extreure patrons a l'espai de característiques d'entrada, on les dades d'entrada abasten llargues seqüències. Donada l'arquitectura tancada de LSTM que té aquesta capacitat de manipular el seu estat de memòria, són ideals per a aquests problemes.

També es pot preguntar, com prediu Lstm? Una final LSTM el model és el que feu servir per fer prediccions sobre dades noves. És a dir, tenint en compte nous exemples de dades d'entrada, voleu utilitzar el model predir la sortida esperada. Pot ser una classificació (assignar una etiqueta) o una regressió (un valor real).

Tenint en compte això, què és el pas de temps a Lstm?

LSTM significa Long short-term-memory, és a dir, que la memòria a curt termini es manté al LSTM estat cel·lular durant molt de temps passos de temps . LSTM ho aconsegueix superant el problema del gradient de desaparició que és típic de l'arquitectura simpleRNN.

Per a què serveix Lstm?

Per exemple , LSTM és aplicable a tasques com ara el reconeixement d'escriptura a mà no segmentat i connectat, el reconeixement de veu i la detecció d'anomalies en el trànsit de xarxa o els IDS (sistemes de detecció d'intrusions). Una unitat LSTM comuna es compon d'una cel·la, una porta d'entrada, una porta de sortida i una porta d'oblit.

Recomanat: