LSTM神经网络中的损失函数

文章/答案/技术大牛

发布

1回答

deep-learning、keras、lstm

我不明白在这些网络中被最小化的是什么。有人能从数学上解释一下，当LSTM网络中的损失变小时，会发生什么情况？

浏览 18提问于2017-01-24得票数 4

回答已采纳

3回答

实现多到多回归任务

python、deep-learning、lstm、pytorch

对不起，如果我不清楚地提出我的问题，英语不是我的第一语言。这就像从空间x映射到空间y，输出必须与输入的形状完全相同这是时间序列问题，所以我决定使用RNN方法。下面是我在PyTorch中的代码(我将注释放在代码中)。为了简单起见，我去掉了平均损失的计算)。请注意，我已经尝试了许多学习速率选项，但行为仍然相同。= nb_lstm_layers # self.fc1 = nn.Linear()

浏览 0提问于2018-12-07得票数 5

回答已采纳

2回答

字符串分类(已修改)

deep-learning、lstm、random-forest、rnn

我正在解决一个问题，我有大约32514行乱七八糟的字符"wewlsfnskfddsl...eredsda“，每行的长度是406个字符。我们需要预测它们属于哪个类？这里的类是1-12个书名。X = X.reshape((1,32514,1)) model = Sequential()========================

浏览 0提问于2018-05-31得票数 1

1回答

为什么在Keras训练中有3次损失而2次准确？

tensorflow、keras、lstm

我的模型是这样的： fc_lyr = Dense_26_loss', 'val_lstm_151_loss', 'va

浏览 2提问于2021-01-11得票数 0

回答已采纳

1回答

LSTM -如何防止相同输入的不同损失/ R2结果？

python、keras、neural-network、lstm

我有一个用python (kears)编写的LSTM神经网络，我想用tp预测一些时间序列数据。我的问题是我总是得到不同的损失和r2 (决定度)值，有时甚至NaN作为损失，尽管我根本不改变代码我尝试使用不同的损失函数(mse，mae)。我还试着改变图层或序列的大小，但都不起作用。reshape(-1, 96, 4)from keras.model

浏览 26提问于2019-08-22得票数 1

回答已采纳

1回答

LSTM多对一体系结构输出的计算

deep-learning、lstm

我是递归神经网络的新手，但我想用LSTM训练我的数据，但是我很难理解LSTM的多对一体系结构。假设我的数据的大小是time_step x num_features，2 x 2和我必须使用多对一的LSTM架构，因为我想进行分类。因此，在最后一个time_step中，我必须添加包含sigmoid激活函数的稠密(a)，以预测序列类，即0或1。我的问题是

浏览 0提问于2019-01-29得票数 3

2回答

为什么经典神经网络在情感分析中的表现优于LSTM

keras、nlp

我的目标是预测某些评论的极性(负面的、正面的或中性的)。我尝试了两种不同的神经网络： left_branch_dense = Dense(512, activation = 'relu= LSTM(256)(left_branch_embedding) lstm_ou

浏览 0提问于2019-03-11得票数 1

1回答

LSTM损耗函数与反向传播

lstm、rnn、training、backpropagation

我试图理解损失函数和反向传播之间的联系。据我所知，在LSTM算法中，反向传播被用来获取和更新矩阵，在前向传播中使用偏差来获取当前的单元和隐藏状态。损失函数取训练集的预测输出和实际输出。但哪一部分是LSTM的培训部分？它们之间有某种联系吗？LSTM模式的培训目标是什么？

浏览 0提问于2019-08-31得票数 0

1回答

所有隐藏状态的重复keras LSTM输出

python、tensorflow、keras、keras-layer

任务:使用LSTM输出，重复N次并与微数据连接。我希望对所有公司使用LSTM的输出，即所有t中t的所有(此处H=4)隐藏状态，从而设置return_sequences=True，并重复它们N次，以便将它们与我的微数据连接起来，即用shape = (T然后，这些新的数据将被重塑为(T*N, K+H)，并被输入一个具有自定义损失函数的前馈神经网络，该函数适用于两个神经网络</e

浏览 4提问于2020-07-24得票数 0

回答已采纳

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

2回答

基于输入数据的Keras中的自定义损失函数

keras

我正在尝试使用Keras创建自定义损失函数。我想根据输入计算损失函数，并预测神经网络的输出。我尝试使用Keras中的customloss函数。我认为y_true是我们用于训练的输出，y_pred是神经网络的预测输出。下面的损失函数与Keras中的"mean_squared_error“损失<

浏览 2提问于2019-04-01得票数 17

回答已采纳

1回答

基于前M和以下N元素的序列元素预测

keras、lstm、pytorch、sequence、deep-learning

序列中的每个元素都是从1到9之间的一个数字：33344467...1143 # 300 numbers...66118859...2121 # 300 numbers 我的任务是建立一个模型，根据序列中的前179个元素和最后110个元素，在序列位置从180到190预测元素(数)。换句话说，给定位置从0到179和191到299的元素在从180到190位置的序列中</

浏览 0提问于2020-07-13得票数 2

回答已采纳

1回答

我的训练集有50个时间序列示例，每个步骤有24个时间步骤，以及500个二进制标签(形状：( 50，24,500))。我的验证集有形状(12，24,500)。当然，我期望一个神经网络会非常适合。我有多个输入:一个称为seq_model_in，它是一个时间序列，另一个称为feat_in，它不是时间序列(因此在LSTM之后，但在分类步骤之前，它就连接到了模型中)。由于我的类高度不平衡，我还使用了Keras的class_weights函数。为了使该函数

浏览 0提问于2018-02-03得票数 1

2回答

如何处理LSTM无法学习的情况(经常做出同样错误的预测)

machine-learning、neural-network、deep-learning、time-series、keras

我试着用LSTM神经网络来做一个作曲家。基本上，这是基于一个文本生成器(试图预测下一个字符后，看了一个字符序列)，但它试图预测笔记字符，而不是字符。作为输入的midi文件的结构(Y轴是音高或音符值，而X轴是时间)：这是预测的音符值：📷我怀疑这是因为有大量的特定注释(在本例

浏览 0提问于2016-08-30得票数 1

2回答

Keras中的LSTM总是返回相同的输出。

python、keras、lstm

我有一个大小数据集(5358,293,30)，我想训练一个LSTM网络来预测0到1之间的值。我的神经网络定义如下：model.add(LSTM(10, input_shape=(293, 30)))model.fit(Xtrain, Ytrain, epochs=20, batch_size=38

浏览 1提问于2019-01-10得票数 4

1回答

为什么增加单位或层数并不能提高精度和减少损失？

machine-learning、neural-network、deep-learning、lstm、loss-function

我有一个LSTM神经网络；当我增加单位、层数、历元数或添加辍学数时，它似乎没有效果，而且我仍然存在以下持续的错误和准确性：损失: 3.5071 - acc: 0.0981 - val_loss: 6.7042

浏览 0提问于2019-03-15得票数 0

1回答

LSTM RNN回归:训练过程中验证损失的不确定性

keras、tensorflow、lstm

在训练我的神经网络时，我遇到了一些我不理解的不熟悉的行为。首先:高度不稳定的验证损失，而培训损失稳步下降。第二:训练损失下降非常缓慢(不是通常的指数衰减曲线)。我的模型架构是：model = Sequential() model.add(Bidirectional(LSTM(30, input_shape=(train_x.shape[1:]), return_seq

浏览 0提问于2022-06-12得票数 0

1回答

理解用于LSTM* (动态RNN)的张量输入和转换*

tensorflow、lstm、rnn

我正在Tensorflow中构建一个LSTM风格的神经网络，在将它传递到tf.nn.dynamic_rnn层之前，我很难确切地理解需要什么输入和后续的转换。理解输入batch_size，max_time此时，输入不会在运行时中断，但我不完全理解我们在这里做了什么，并怀疑它在计算损失时可能会导致问题(见下文)。loss = tf.red

浏览 3提问于2017-11-16得票数 1

回答已采纳

2回答

正则化-将退出与早期停止相结合

machine-learning、deep-learning、rnn、dropout

我正在用LSTM细胞建立一个RNN (递归神经网络)。我用时间序列来进行异常检测。在训练我的RNN时，我使用的是0.5的下降率，当我的验证损失在增加时，我会以5次的耐心提前停止。

浏览 0提问于2018-04-20得票数 4

回答已采纳

1回答

如何创建自定义损失函数，其中一个RNN的中间训练输出(张量y_pred)被馈送到另一个预定义的RNN？

tensorflow、keras

我希望创建一个自定义损失函数，它不直接使用随机神经网络( y_pred )的中间输出，而是将y_pred作为输入输入到另一个随机神经网络(比如RNN2，它已经定义和训练好了)，并将这些预测值用作损失函数的参数我尝试从model.compile函数调用我的自定义损失函数，但这产生了一个错误。是不是因为我不能将张量数据类型的对象提供给RNN2？假设y_pred具有训练

浏览 2提问于2019-09-08得票数 0

点击加载更多