社区云

lstm

南风无知意来自开放原子开发者工作坊

openatomworkshop.csdn.net · 2024-08-06 14:04:05

用于时间序列异常检测的公共数据集

这里我总结了一些公开可用的时间序列异常检测数据集。

#python #lstm

1571 

16 
哥廷根数学学派来自开放原子开发者工作坊

openatomworkshop.csdn.net · 2024-03-18 11:10:06

Python环境下基于1D-CNN、2D-CNN和LSTM的一维信号分类

Python环境下基于1D-CNN、2D-CNN和LSTM的一维信号分类

#python #cnn #lstm +3

3386 

32 
今天吃饺子来自开放原子开发者工作坊

openatomworkshop.csdn.net · 2024-07-05 09:30:53

几个小创新模型，KAN组合网络（LSTM、GRU、Transformer）回归预测，python预测全家桶再更新！...

截止到本期，一共发了9篇关于机器学习预测全家桶Python代码的文章。参考往期文章如下：1.终于来了！python机器学习预测全家桶2.机器学习预测全家桶-Python，一次性搞定多/单特征输入，多/单步预测！最强模板！3.机器学习预测全家桶-Python，新增CEEMDAN结合代码，大大提升预测精度！4.机器学习预测全家桶-Python，新增VMD结合代码，大大提升预测精度！5.Python机器

#lstm #gru #transformer +2

1909 

9 
禅与计算机程序设计艺术来自开放原子开发者工作坊

openatomworkshop.csdn.net · 2023-12-27 18:06:55

时间序列模型比较：LSTM vs ARIMA vs Prophet

1.背景介绍时间序列分析是一种处理以时间为序列的数据的方法，它广泛应用于金融、天气、电子商务、人口统计等领域。随着数据量的增加，传统的时间序列分析方法面临着挑战，因此需要更高效、准确的模型来处理这些问题。本文将比较三种流行的时间序列模型：LSTM(长短期记忆网络)、ARIMA(自估计模型)和Prophet。我们将讨论它们的核心概念、算法原理、应用和优缺点。2.核心概念与联系2.1 LS...

#lstm #人工智能 #rnn +2

2818 

17 
昔我往矣wood 来自开放原子开发者工作坊

openatomworkshop.csdn.net · 2021-10-12 17:09:14

【学习笔记】【GRU】十八——GRU原理简介与LSTM的比较

LSTM是RNN的升级版，加了门控装置，解决了长时记忆依赖的问题。但由于门控装置复杂，带来了计算量增加，所以引进了简化版的LSTM，即GRU。本文介绍GRU的基本原理，并将其与LSTM和RNN进行对比，分析它们各自的优劣。重点理解LSTM中h(t)和C(t)的本质，以及为什么门机制可以解决梯度问题，并且简化计算。目录一、从传统RNN说起二、改进的RNN：LSTM三、简化版的LSTM：GRU四、LS

#gru #lstm #自然语言处理

6445 

8 
穿着帆布鞋也能走猫步来自开放原子开发者工作坊

openatomworkshop.csdn.net · 2024-04-09 11:56:53

一文搞懂NLP框架之RNN、LSTM、Transformer结构原理！

NLP领域中，特征提取可谓是经历了显著的“变迁”与发展。回首过往，RNN曾以其一度引领潮流，如今正如同明日黄花，逐步淡出历史舞台。紧接着，LSTM以展现出强大的生命力，虽已非最前沿，却仍老骥伏枥，若能进一步优化，其潜力不可小觑。而今，Transformer架构如日中天，凭借自注意力机制彻底革新了特征提取的方法，已在NLP诸多任务中发挥着中流砥柱的作用。本文笔者将深入浅出剖析RNN、LSTM以及Tr

#rnn #自然语言处理 #lstm +1

3421 

23 
朱肖城来自开放原子开发者工作坊

openatomworkshop.csdn.net · 2024-03-08 23:32:54

深度学习-面经（part1、常规问题）

1 神经网络深度学习是算法工程师面试必定绕不开的一个话题，有关于他的面试题目和知识点层出不穷，所以这里依靠一些经验结合自己的面试经历，总结出下面的深度学习面试点，其中共有8个章节，目前更新章节3、4；RNN与LSTM网络

#深度学习 #人工智能 #算法 +3

2638 

62 
oubahe2024 来自开放原子开发者工作坊

openatomworkshop.csdn.net · 2024-05-13 21:29:15

新能源充电桩数据集

7+细分充电桩数据集；新能源充电桩；充电站负荷预测

#数据挖掘 #深度学习 #智慧城市 +2

2397 

14 
Dog_King_ 来自开放原子开发者工作坊

openatomworkshop.csdn.net · 2024-04-27 19:49:45

深度学习之RNN,LSTM,GRU,CNN-GRU,ABLSTM(pytorch实现)

RNN模型最重要的贡献就是引入了隐藏层，隐状态存储的都是前一些时刻的相关特征信息，也是隐状态让模型有了记忆的能力。计算公式就类似于线性层。t时刻的H是由t-1时刻的H（也就是记忆的之前的信息），加上Xt（当前时刻的特征）GRU模型和前面的RNN模型很像，包括输入特征、隐藏态、输出。但是又有了改进，主要改进了隐藏态H的计算方法，通过门控制隐状态。这里引进了门，就是数电那种逻辑电路。这里引入了重置门和

#深度学习 #rnn #lstm +4

2696 

19 
ri-yao 来自开放原子开发者工作坊

openatomworkshop.csdn.net · 2024-06-17 23:15:28

基于Pytorch+LSTM实现一元单步时间序列预测（保姆级教程）

基于Pytorch+LSTM实现一元单步时间序列预测的保姆级教程，涵盖模型如何搭建、数据如何加载以及模型训练等相关技巧，更是包含各部分的详细代码！

#pytorch #lstm

3254 

24 

标签介绍

lstm

——lstm

热门标签

关于我们

联系我们（工作时间：8:30-22:00）

400-660-0108 kefu@csdn.net