带分类的LSTM

文章/答案/技术大牛

发布

1回答

keras、deep-learning、lstm、recurrent-neural-network

可以将LSTM与我分类的单词数组一起使用吗？例如，我有一个包含1000个单词的数组： “绿色”“蓝色”“红色”“黄色” 我将单词分类为绿色= 0，蓝色=1，红色= 2，黄色= 3。单词可以在序列中以不同的顺序出现。例如，第一个序列可以输入=绿色、蓝色、红色、目标=黄色，下一个序列输入=蓝色、红色、黄色、目标=绿色等等。也许我不应该使用LSTM，但我想我应该使用，因为我想检查3个早期的输入并预测第4个。到目前为止，这就是我所拥有的，我或多或少地坚持重

浏览 14提问于2020-06-30得票数 1

1回答

PyTorch n-to-1 LSTM什么也学不到。

python、nlp、lstm、pytorch

我是PyTorch和LSTM的新手，我正在尝试训练一个分类模型，它接受一个句子，其中每个单词都通过word2vec (预训练向量)编码，并在看到完整的句子后输出一个类。我有四个不同的班。句子的长度是可变的。class LSTM(nn.

浏览 0提问于2018-08-30得票数 1

1回答

为什么序列预测一直是RNN和LSTM类算法的目标？

nlp、lstm、rnn、sequence-to-sequence

标题基本上是我的问题。我还没见过任何使用不同训练目标的文献。我们的目标是最终找到隐藏的状态，那么为什么只有一种方法是如此流行，而没有看到其他方法呢？

浏览 0提问于2021-09-03得票数 0

回答已采纳

1回答

当形状不匹配时，如何在角点中使用双向神经网络和Conv1D？

python、deep-learning、keras、convolution、recurrent-neural-network

我是Deep-Learning的新手，所以我通过阅读，学到了很多东西。我想开始使用其中的一些概念。我想尝试实现一个具有一维卷积层的神经网络，该层提供给双向递归层(如下面的论文)。我遇到的所有教程或代码片段都没有实现任何与此类似的内容(例如图像识别)，也没有使用具有不同功能和用法的较旧版本的keras。(5)输入分类；我不知道如何在Bidirectional RNN上获得匹配的形状。在这个阶段，我甚至连一个普通的RNN都找不到。如何

浏览 3提问于2017-11-29得票数 1

回答已采纳

1回答

基本时间序列分类实例

classification、time-series、tensorflow

到目前为止，我一直在使用matlab对大量的标签时间序列进行分类。这是相对成功的，但我想尝试使用Tensorflow来应用深度学习范式。我是一个完全的菜鸟，所以我有点不知所措，因为我正在努力概括的例子，如0-9数字分类的例子，我的问题。我当前的代码读取1064时间序列(长度3125)，读取标签，将标签转换为onehot_encoding，并提取培训和验证集。如果有人能给我提供一些有用的例子，我将非常感激，谢谢。

浏览 0提问于2018-02-05得票数 3

回答已采纳

1回答

RandomizedSearchCV没有停止运行

python、hyperparameter-tuning

我正在尝试使用RandomizedSearchCV优化我的模型的超参数。但是，即使我定义了很少的迭代，它也不会停止运行。有人能帮我吗？我正在使用的代码如下所示： model = tf.keras.Sequential()model.add(tf.keras.layers.LSTM(units, kernel_regularizer = regularizers.l1(l1 = l1), input

浏览 0提问于2021-07-30得票数 0

2回答

Keras多步LSTM分批列分类

python、keras、time-series、classification、lstm

问题假设我们有N只股票的每日收盘价，每一只股票的收盘价是:M特征，三个动作之一“买入”、“持有”、“卖出”。如果每只股票有30天的数据，我们可以训练一个LSTM来预测每个动作(每天，每只股票)，如下所示。对于N << N的每一批样本，X_train将具有(n, 30, m)的形状，即n样本、30个时间步骤和m特征。=

浏览 2提问于2018-10-18得票数 2

回答已采纳

1回答

LSTM嵌入层形状误差

python、machine-learning、lstm

我有这样的网络架构：model.add(Embedding(9761, 100, input_length=longest_period))model.add(Dense(1, activation='sigmoid'))我已经部分解决了添加一个Flatten()层的问题：model.a

浏览 5提问于2018-08-23得票数 0

回答已采纳

1回答

实时传感器数据的多类分类

time-series、tensorflow、keras

我想用加速度计来检测火车的方向。您可以通过手动设置阈值来检测x轴上的加速度方向(该方向将与列车驱动轴对齐)。所以现在我可能可以使用RNN来创建这个上下文。我的想法是不使用RNN (因为它增加了复杂性)，只是在一个样本中放置了几个度量。这将创造出网络需要判断的上下文--样本要么停滞不前，要么在X轴上加速正，在X轴上加速负值，或者如果火车只是正常行驶。在我的<

浏览 0提问于2017-09-21得票数 0

2回答

KerasClassifier TypeError：call()在cross_val_score上精确地接受2个参数(1给定)

python、tensorflow、scikit-learn

，我试图对我的模型进行cross_val_score，并得到以下错误：这是我的模型：model.add(LSTM(int(128), input_shape=(timesteps, int

浏览 0提问于2018-11-01得票数 0

1回答

Sklearn问题分类

machine-learning、python、scikit-learn、dataset、text-classification

因此，我发现使用sklearn的SVM算法对单词进行分类有很多种方法。但是，我想按分类法对问题进行分类，如以下数据集所示：这个任务的目标是预测给定pdf文件/字符串(问题)的分类法。问题如下：如何利用支持向量机训练问题分类模型？Encoder.fit_transform(Train_Y) Test_Y = Encoder.fit_transform(

浏览 0提问于2020-07-11得票数 -1

1回答

如何使用LSTM对序列进行分类？

machine-learning、lstm、recurrent-neural-network、rnn

LSTM可以很好地预测序列之后会发生什么，但是我假设我们有很多序列，并且每个序列对应于一个类标签。我们如何使用LSTM对这些序列进行分类？

浏览 2提问于2017-10-15得票数 1

回答已采纳

1回答

采用梯度增强和LSTM相结合的方法进行分类？

deep-learning、lstm、xgboost

我目前正在使用LSTM模型来分类高维表格数据，而不是文本/图像(维度21392x1970)。我还分别尝试了Python中的XGBoost (梯度增强)来完成相同的分类任务(分类为14种不同的分类值中的一种)。我遇到了在XGBoost中使用XGBoost方法的规定，它可以为我提供预测中最相关的特征的F1分数。我想要创建一个混合模型，它将LSTM和XGBoo

浏览 0提问于2019-02-19得票数 1

1回答

可视化classification_report的问题

tensorflow、machine-learning、scikit-learn

我正在尝试绘图分类报告，但在我的问题中只有2个类(0和1)，当我调用分类报告时，他的输出是： Model: "sequentialNone, 55, 300) 0 lstm</e

浏览 0提问于2020-09-05得票数 0

1回答

带return_sequence=True的LSTM后的Keras致密层

python、keras、deep-learning、nlp

正如作者使用PyTorch 一样，我正在尝试在Keras中重新实现这篇论文的。以下是网络架构： number_of_output_classes = 1direc = 2 lstm_layer=Bidirectional(LSTM(hidden_size, dropout=0.2, return_sequences=True))(combined) #shape after this step (None, 200)output_layer=Dense(1,

浏览 0提问于2019-03-19得票数 1

1回答

用矩阵对单个值进行分类

python、matrix、machine-learning、scikit-learn、classification

我有一系列矩阵30x30，其中包含从0到75 (输入矩阵)的元素，每个矩阵都有一个30x30矩阵，只包含1s和0s (输出矩阵)。我试图在输入矩阵上训练一个分类器来预测输出矩阵，但是我不知道如何最好地表示分类器的输入矩阵(理想的sk-学习)。我不能将矩阵抽象成另一种形式，因为输入矩阵中的每个元素必须映射到输出矩阵相同位置的元素。

浏览 0提问于2019-03-29得票数 0

回答已采纳

1回答

训练CNN-LSTLM端到端？

neural-network、tensorflow、deep-learning、torch

已经有许多论文(特别是图像标题)将CNN和LSTM架构联合用于预测和生成任务。然而，他们似乎都是独立于LSTM训练CNN的。我在浏览Torch和TensorFlow (用Keras)，却找不到为什么不可能进行端到端的培训(至少从架构设计的角度来看)，但似乎没有任何关于这种模型的文档。那么，能做到吗？火炬或TensorFlow (甚至西亚诺斯或卡菲)是否支持联合训练端到端的CNN神经网络？如果是这样的话，是否就像将输出从CNN链接到LSTM并运行SGD

浏览 2提问于2016-10-17得票数 8

1回答

我们如何在Keras中定义一对一、一对多、多对一、多对多的LSTM神经网络？

python、neural-network、keras、lstm、recurrent-neural-network

我正在阅读的文章(递归神经网络的不合理有效性)，并想了解如何在Keras中表达一对一、一对多、多对一和多对多的LSTM神经网络。我读过很多关于RNN的文章，了解了LSTM NNs是如何工作的，特别是消失梯度、LSTM单元、它们的输出和状态、序列输出等等。但是，我很难用Keras来表达所有这些概念。首先，我使用LSTM层创建了以下玩具NNfrom kera

浏览 0提问于2018-09-02得票数 8

2回答

Word2Vec的使用

machine-learning、deep-learning、nlp、lstm、bert

抱歉，基本的怀疑，我想知道我是否可以直接使用我的Word2Vec进行分类而不使用LSTM。我的假设是，这是不可能的，因为单词的顺序不会被考虑在内。因此，它不会用于分类。但是我们使用BERT嵌入来进行分类。但是在这种情况下，伯特根据句子的上下文生成嵌入。因此，我们可以使用它进行分类。我的理解对吗？伯特通过顺序学习实现了LSTM的学习，无需顺序处理

浏览 0提问于2022-07-29得票数 2

1回答

基于LSTM的脑电信号分类体系结构

python、keras、classification、lstm、channel

我有一个多类分类问题，我在python3.6中使用了keras & tensorflow。我基于本文中提到的“叠层 LSTM层(a)”实现了高精度的分类：。有些事情是这样的：model.add(LSTM(128), return_sequences=True) model.add(LSTM(

浏览 5提问于2021-01-20得票数 2

回答已采纳

点击加载更多