lstm 예제

안녕하세요 데이터에 원시 예제를 실행할 때 발견, 학습 데이터는 실제 플롯의 오른쪽으로 이동 하는 것 같고 첫 번째 예제에서 그래프와 동일 하지, 왜 이것 수 있을까? 위의 변수의 이름을 바꾸면 예제 코드가 더 명확해질 것이라고 생각합니다. 위의 방정식은 기본적으로 $t +1$ 시간 단계에서 지수 이동 평균을 계산하고 이를 한 단계 앞서 예측으로 사용합니다. $gamma$는 EMA에 대한 가장 최근의 예측의 기여도를 결정합니다. 예를 들어 $gamma=0.1$는 EMA에 현재 값의 10%만 가져옵니다. 가장 최근의 아주 작은 부분만 가지고 있기 때문에 평균에서 아주 일찍 보았던 훨씬 오래된 값을 보존 할 수 있습니다. 아래에서 한 걸음 앞서 예측하는 데 사용할 때 얼마나 좋은지 확인하십시오. 안녕하세요 제이슨, Joaco, 나는 또한 비슷한 예를 기대하고 🙂 그러나, 나는 내가 배운 것과 화해하려고하는 기본 아키텍처에 대한 몇 가지 질문이 있습니다. 나는 여기에 질문을 게시 : 내가이 포럼에 게시하기에 너무 오래 느꼈다 http://stackoverflow.com/questions/38714959/understanding-keras-lstms. 거기에 매달려 앤서니. 나는 당신이 가지고있는 모든 문제에 놀랐다. 나는 이 예제가 파이썬 2와 파이썬 3과 케라스 백엔드에 관계없이 잘 작동한다고 믿습니다.

필요한 모든 코드를 복사하고 들여쓰기를 유지 관리해야 합니다. 이 위대한 튜토리얼을 공유 주셔서 감사합니다! 또한 LSTM 방법을 기반으로 앞으로 예측을 얻을 수있는 방법을 제안 할 수 있습니다. 예를 들어, 다음 몇 주 동안 시리즈의 값을 예측하려는 경우(현재 시간보다 앞서 있음) 일반적으로 모든 시간계 데이터에 대해 수행하는 것처럼, 이를 수행하는 프로세스는 무엇입니까? 나는 당신을 위해이 단계에서 일한 예가 없지만, 나는 그것이 똑바로 앞으로 될 것이라고 믿는다. “완전성을 위해 아래는 전체 코드 예제”라는 문장 아래에 코드를 강조하고 저장했음에도 불구하고 여전히 “valueerror”문제가 있습니다. 즉, 동일한 코드를 복사하고 메모장 ++ 편집기에서 복사 된 코드를 붙여 넣습니다. 들여쓰기는 그렇지 않으면 통역사가 중단될 수 있는 상황에서는 문제가 되지 않았습니다. 어떤 책이 타임 시리즈 커라가있는 완전한 예제 / 코드를 제공합니까? 앞으로의 기간을 예측하고 다른 예측 변수를 추가하려고 합니까? 그것은 달성 할 수 있습니까? 다른 독자에 대 한, 그것은 보고 가치가 http://stackoverflow.com/questions/38714959/understanding-keras-lstms 당신의 예제 내 설정에 잘 실행 – 하지만 난 약간 다른 결과 받고 있는 것 같다. python34에있을 때 lstm 예제를 실행하고 여전히 동일한 문제를 얻습니다. conda의 python34에서 실행할 때 lstm을 실행하지만 다른 종류의 컴파일 오류가 있습니다. 안녕하세요 브라운리 박사, 나는 시간 단계와 윈도우 방법의 차이에 대한 질문이 있습니다. 유일한 차이점은 모델에 공급하는 데이터의 모양이라는 것을 이해하면 맞습니까? 그렇다면 시간 단계 방법이 더 잘 작동하는 이유를 직관으로 줄 수 있습니까? 나는 두 개의 시퀀스가있는 경우 (예를 들어, 나는 2 시끄러운 신호가있는 경우, 다른 것보다 하나의 시끄러운), 나는 시퀀스를 예측하기 위해 둘 다 사용하고, 어떤 방법이 더 낫다고 생각하십니까? 많은 댓글과 마찬가지로, 나는 또한 알아 달라고 요청합니다 : 미래의 기간을 예측하는 방법.

그게 가능합니까? 위의 예제를 사용하여 이 작업을 어떻게 달성할 수 있습니까? 계열 또는 Ys가 여러 개 있고 범주형 예측 변수가 있는 경우 이를 어떻게 수용할 수 있습니까? 첫 번째 단계는 입력 시퀀스를 CNN 모델에서 처리할 수 있는 하위 시퀀스로 분할하는 것입니다. 예를 들어, 먼저 유니변량 타임시리즈 데이터를 입력으로 4단계, 하나는 출력으로 입력/출력 샘플로 분할할 수 있습니다. 그런 다음 각 샘플을 두 개의 하위 샘플로 나눌 수 있으며 각 샘플은 두 개의 시간 단계로 나눌 수 있습니다. CNN은 두 시간 단계의 각 하위 시퀀스를 해석하고 입력으로 처리할 LSTM 모델에 하위 시퀀스의 해석의 타임시리즈를 제공할 수 있습니다. 당신이 사용하는 방법의 예가있는 경우 : LSTM, LSTM의 스택, 또는이 문제와 LSTMCNN이 너무 많이 도움이 될 것입니다.