rnn

    2热度

    1回答

    我对弹性堆栈的新的x-pack ML印象非常深刻。看起来他们的技术能够随着时间学习数据模式,并且可以预测多个域的异常情况。 放大: 我不知道可以用什么样的方式和网络拓扑结构,以创建一个类似的功能。假设由于x-pack适用于时间序列数据,RNN会是一个好的开始吗? 对您的意见和引用感兴趣。

    2热度

    1回答

    我正在使用TensorFlow来实现RNN。我创建了重复单元这样的: gru_cell = tf.contrib.rnn.GRUCell(16) zero_state = gru_cell.zero_state(1, tf.float32) initial_state = tf.placeholder(tf.float32, zero_state.get_shape()) out_tenso

    3热度

    1回答

    我知道RNN,LSTM,神经网络激活函数是如何工作的,但是来自各种可用的LSTM模型我不知道我应该使用哪些数据和何时。我创建了这5个模型作为我已经看到的不同的LSTM模型变量的样本,但我不知道应该使用哪个最佳序列数据集。我在这些模型的第二/第三行中拥有大部分的信息。 model1和model4是一样的吗?为什么model1.add(LSTM(10, input_shape=(max_len, 1)

    1热度

    1回答

    基本解码器包含一个参数,用于添加辅助方法,该方法可以是一个时间表采样助手。但波束搜索解码不包含任何帮助参数。 虽然在代码中它看起来像有一些采样使用,但不清楚是否使用计划采样。 class BeamSearchDecoder(decoder.Decoder): “”“BeamSearch采样解码器。”“” 这将是很高兴知道并明确表示我的疑问。 希望在这个问题上的任何光。 在此先感谢。

    3热度

    1回答

    当我运行该代码Keras: networkDrive = Input(batch_shape=(1,length,1)) network = SimpleRNN(3, activation='tanh', stateful=False, return_sequences=True)(networkDrive) generatorNetwork = Model(networkDrive, ne

    4热度

    1回答

    我能够使用keras成功地训练我的有状态LSTM。我的批量大小为60,每输入我在网络中发送是的batch_size 以下整除是我的片断: model = Sequential() model.add(LSTM(80,input_shape = trainx.shape[1:],batch_input_shape=(60, trainx.shape[1], trainx.shape[2]),st