recurrent-neural-network

    0熱度

    2回答

    如果輸出是正切功能,然後我得到-1之間的數字和1 我怎麼去輸出轉換到我的y值(發生的規模約爲15右現在,但會因數據而異)? 還是我限制在某種已知範圍內變化的功能......?

    1熱度

    1回答

    我正在嘗試使用RNN進行特定於領域的分類研究,並累積了數千萬個文本。由於需要幾天甚至幾個月來運行整個數據集,因此我只挑選了一小部分用於測試,例如1M文本(80%用於培訓,20%用於驗證)。我使用單詞矢量化預先訓練了整個語料庫,並且還將Dropout應用於模型以避免過度擬合。當它在12小時內訓練60000文字時,損失已經降至相當低的水平,準確率爲97%。我應該繼續嗎?它有助於繼續培訓嗎? 仍在運行的

    0熱度

    1回答

    技術信息: 操作系統:Mac OS X 10.9.5 IDE:Eclipse的Mars.1版本(4.5.1),用的PyDev和蟒蛇解釋器(語法版本3.4) GPU:的NVIDIA GeForce GT 650M 利布斯:numpy的,aeosa,獅身人面像-1.3.1,theano 0.7,NLTK-3.1 我的背景:我很新的theano和numpy的和避風港」在機器學習或離散數學方面取得了正式課

    2熱度

    1回答

    我在爲TensorFlow中的文本分類構建堆疊LSTM模型時感到迷惑。 我輸入的數據是這樣的: x_train = [[1.,1.,1.],[2.,2.,2.],[3.,3.,3.],...,[0.,0.,0.],[0.,0.,0.], ...... #I trained the network in batch with batch size set to 32. ]

    0熱度

    1回答

    我已經在python中編寫了兩個用於序列預測的LSTM RNN代碼。我有一個簡單的序列(比如嘈雜的正弦波),我正在訓練我的網絡來預測沿着正弦波的未來值。我的第一個代碼只是預測單個下一個值(因此只有1個輸出神經元),而我寫的第二個代碼預測5個下一個值(即5個輸出神經元)。要提前5步預測第一個代碼,我需要多次調用預測函數(利用之前預測的輸出)。 這兩種情況似乎工作得很好,但我真正想要解決的是這兩種網絡

    14熱度

    2回答

    有誰知道Caffe是否存在一個很好的LSTM模塊?我從russel91的github賬戶中發現了一個,但顯然包含示例和解釋的網頁消失了(原名爲http://apollo.deepmatter.io/ - >現在它僅重定向到github page,它沒有任何示例或解釋)。

    4熱度

    1回答

    我正在研究句子標籤問題。我已經做了我自己的嵌入和填充和我投入的樣子: X_i = [[0,1,1,0,2,3...], [0,1,1,0,2,3...], ..., [0,0,0,0,0...], [0,0,0,0,0...], ....] 每個單詞句子我想預測四班的一個,所以我期望的輸出應該是這樣的: Y_i = [[1,0,0,0], [0,0,1,0], [0,1,0,0], ...]

    3熱度

    1回答

    我一直在嘗試實現基於LSTM的分類器來分類分離語音。我創建了13 mfcc的特徵向量。對於給定的文件有[99,13]的二維矢量。在遵循mnist_irnn示例之後,我可以設置單層RNN來對我的語音文件進行分類。但是現在我想爲網絡添加更多圖層。因此,我一直試圖實現具有兩個LSTM層和softmax層作爲輸出層的網絡。在查看帖子數量之後,我可以按如下方式設置網絡,在建模時間期間它不會拋出任何異常。 f

    1熱度

    1回答

    當談到正常的人工神經網絡或任何標準機器學習技術時,我理解訓練,測試和驗證集應該是什麼(概念上和經驗法則比率)。但是,對於雙向LSTM(BLSTM)網絡,如何分割數據令我感到困惑。 我在嘗試改進由受監視的健康值組成的個別主題數據的預測。在最簡單的情況下,對於每個主題,有一個長時間系列值(> 20k值),並且該時間系列的連續部分根據主題的當前健康狀況從一組類別進行標記。對於BLSTM,網絡將同時訓練所

    15熱度

    1回答

    試圖在張量流中實現最小的玩具RNN示例。 目標是學習從輸入數據到目標數據的映射,類似於這個精彩的簡潔example in theanets。 更新:我們到了那裏。剩下的唯一部分是使其趨於一致(並且不那麼複雜)。有人可以幫助將以下內容轉換爲運行代碼或提供一個簡單的示例嗎? import tensorflow as tf from tensorflow.python.ops import rnn_c