我正在尝试用Deeplearning4j做一些简单的时间序列预测，使用LSTM，但我很难让它工作。我有一个简单的文本文件与数字列表如下，并希望网络学习预测下一个数字。有没有这方面的示例代码？我发现的Java示例似乎都是关于图像处理和分类的。118129135...
浏览 2提问于2018-02-04得票数 3
2回答
我读过几篇关于RNNs (特别是LSTM)的论文、文章和博客文章，以及我们如何使用它们来进行时间序列预测。在我发现的几乎所有示例和代码中，问题都被定义为根据以前的数据找到时间序列的下一个x值。我想要解决的问题如下：创建一个<
浏览 0提问于2016-07-12得票数 5
回答已采纳
1回答
我们目前正在用Deeplearning4j做一个关于机器学习的小实验。但是我们如何才能弄清楚是否有更好的模型呢？
我们想看看模型是否能通过预测找出一些我们没有注意到的依赖关系。
浏览 5提问于2019-11-28得票数 0
回答已采纳
1回答
我正在学习使用LSTM模型进行时间序列预测。我找到了一个很好的教程，我正在尝试堆叠LSTM来解决“多并行输入和多步输出”部分中的问题。数据集如下：20 25 4540 45 8560 65 12580 85 165任务是使用三个时间序列中每个时间序列的最后三个时间步长作为模型的输入，并预测
浏览 9提问于2019-02-06得票数 0
1回答
我正在TensorFlow上开发一个模型，将一个连续的标签赋予一个时间序列的每一个时间步骤。该模型用于实时数据，这样，在以前的时间步骤上观察到的时间序列的值将对LSTM赋予当前时间步骤的标签产生影响。我的数据由每天的时间序列组成，分分秒秒的分辨率。时间序列的总长度总是一样的.在下面的中，在左边的蓝色图中，您可以找到我的数据是什么样子的示例。
因此，我希望<
浏览 1提问于2017-03-25得票数 0
2回答
我正与LSTM合作解决我的时间序列预测问题。)))我的预测问题是预测接下来的20个时间步骤，回顾过去的20个时间步骤。因此，对于每次迭代，我都有一个输入形状，如(x_t-20.x_t)，并预测下一个(x_t+1...x_t+20)。对于隐藏层，我使用300个隐藏单位。由于LSTM不同于简单的前馈神经网络，我无法理解这300个隐藏单元是如何用于LSTM单元的
浏览 0提问于2019-03-09得票数 1
回答已采纳
1回答
我想预测事件( X )发生的时间，因为我怀疑几个时间序列与X的时间相关。我的模型将接受完整的时间序列作为输入，并为事件X预测发生的时间输出一个值。请注意，我不是试图预测未来事件的时间，而是预测过去事件的时间。当使用该模型时，我将访问整个时间序列。下面简要介绍一下这些数据的外观：我的数据集包含许多示例，如上
浏览 0提问于2020-09-04得票数 0
不久前，我开始研究Tensorflow，并发现了使用LSTM进行时间序列预测的问题。有许多简单和详细的例子与工作代码。但是，在这些示例中，是根据目标值的前一个值对未来进行预测的。例如，在电力使用任务中，我可以添加天气预报，以更正LSTM预报。但我不明白如何做到这一点，因为我正在训练N*M矩阵的模型，其中N是时间序列的数目，K是我的预测因子的数目。它还需要输入N*K矩阵(但对于以前的间隔)，但我也有N* (K-
浏览 10提问于2022-01-12得票数 0
我试图利用睡眠中从加速度计中识别出来的运动来预测步态速度(连续)。我试图找出什么最好的机器学习算法/特征提取方法可以使用尽可能多的信息，在这个预测。这可以很容易地用于机器学习算法，作为一个连续变量来预测步态速度。谢谢您的意见
浏览 0提问于2019-03-28得票数 0
2回答
我正在尝试创建一个keras LSTM来预测时间序列。我的x_train的形状像3000,15,10 (示例，时间步长，特征)，y_train像3000,15,1，我正在尝试建立一个多对多模型(每个序列10个输入特征就是1个输出/序列)。我使用的代码是这样的： 10, return_
浏览 3提问于2017-10-25得票数 0
2回答
我试图在Keras中使用多元LSTM进行多步时间序列预测.具体来说，我最初为每个时间步骤都有两个变量(var1和var2)。在遵循在线教程之后，我决定使用时间上的数据(t-2)和(t-1)来预测时间步骤t的var2值。正如示例数据表所示，我使用前4列作为输入，Y作为输出。我开发的代码可以看到，但我有三个问题。在我的示例中，在示例、时间步骤、特性1或2中，正确的时间
浏览 14提问于2017-10-24得票数 9
回答已采纳
我想对我的数据应用CNN和LSTM，我只选择了一小部分数据；我的训练数据的大小是(400,50)，我的测试数据是(200,50)。在只有CNN模型的情况下，它没有任何错误，只是在添加LSTM模型时有很多错误：model.add(Conv1D(filters=8,__________________________________________________
浏览 14提问于2017-08-09得票数 3
回答已采纳
1回答
我想在LSTM中输入一个时间序列来执行预测。假设我有10000个样本。现在，为了将时间序列输入到我的LSTM中，我将其重塑为(示例、时间步骤、特性)。在我的例子中，我使用timesteps=50来创建子序列并执行t+1的预测，所以我最终得到了x.shape=(9950,50,1)。到目前一切尚好。我的模型model.add(LSTM(50,
浏览 0提问于2018-07-04得票数 0
1回答
关于LSTM，我有一个更抽象的问题。现在我的问题是关于序列长度的作用。我可以使用timestep=1将整个时间序列传递到tensorflow LSTM，在这种情况下，整个时间序列将一个接一个地插入到LSTM中。或者，我可以使用一些>1的时间步骤，
浏览 2提问于2017-10-27得票数 0
我正在做一个时间序列预测的机器学习项目，使用Keras库创建RNN。我无法理解是否将1设置为时间步骤，并将以前的时间步骤的值添加为变量是正确的方式，还是应该重新设置输入。这是我使用的模型：model.add(LSTM(units = 4, dropout=0, return_sequences=True))
m
浏览 1提问于2018-06-04得票数 2
回答已采纳
我试图使用Keras对进行一些LSTM时间序列预测，提前一步时间。但是，当查看web上的示例或自己实现它时，它并不预测下一个时间步骤，而只是预测当前的时间步骤，而不是预测。难道不应该比测试数据早一次预测吗？看看我的意思：我在用：或者这是有意的，您必须手动将您的预测数组转换为一个索引，这使得预测
浏览 0提问于2018-12-25得票数 1
回答已采纳
给定一个时间序列，我有一个多步预测任务，在这个任务中，我想预测与给定时间序列中的时间步骤相同的次数。如果我有以下模式：lstm = LSTM(units=100, activation='relu')(input1)
outputs = Dense(n_timesteps, activation="softm
浏览 11提问于2022-03-22得票数 1
回答已采纳
2回答
我在不同的数据集上运行了LSTM和SVR模型，样本值在1-4000之间，并且SVR中的MAPE始终小于通过LSTM获得的MAPE。有人告诉我，事实恰恰相反( LSTM应该表现得更好)，但在网上没有发现多少信息。我希望有任何反馈意见和任何链接到文章或论文(到目前为止，我发现了非常不同的意见)。
浏览 0提问于2019-06-28得票数 0
1回答
我想使用do时间序列预测使用LSTM层，并作了一些修改。我从tensorflow教程中给出的示例开始 model = tf.keras.models.Sequentialtf.keras.layers.Dense(1))
model.compile(loss='mean_squared_error', optimizer='a
浏览 3提问于2020-03-12得票数 1
1回答
Pylearn2能用于连续数值数据的时间序列或序列预测吗？Pylearn2中的LSTM递归神经网络能用于这一目的吗？如果是这样的话，有人可以在Pylearn2 2/Theano/Python中发布一个示例代码吗？
浏览 5提问于2015-06-24得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
