档案 | 长短期记忆网络

如何在 Keras 中学习使用 LSTM 回显随机整数

由 Jason Brownlee 于 2020 年 8 月 27 日发表在长短期记忆网络 42

长短期记忆 (LSTM) 循环神经网络能够学习长序列数据中的顺序依赖性。它们是广泛的最新成果中的一项基本技术，例如图像字幕和机器翻译。它们也可能难以理解，特别是如何构建一个问题以获得最大程度的[…]

由 Jason Brownlee 于 2020 年 8 月 27 日发表在长短期记忆网络 37

使用 Keras，在 Python 中创建和评估深度学习神经网络非常容易，但您必须遵循严格的模型生命周期。在本文中，您将发现使用 Keras 创建、训练和评估长短期记忆 (LSTM) 循环神经网络的分步生命周期，以及如何使用训练模型进行预测。 […]

由 Jason Brownlee 于 2021 年 7 月 7 日发表在长短期记忆网络 58

长短期记忆 (LSTM) 网络是一种能够学习序列预测问题中顺序依赖性的循环神经网络。这是机器翻译、语音识别等复杂领域所需的一种行为。LSTM 是深度学习的一个复杂领域。要完全掌握[…] 可能会很难。

由 Jason Brownlee 于 2020 年 8 月 27 日发表在长短期记忆网络 75

长短期记忆 (LSTM) 网络是一种循环神经网络 (RNN)，能够学习输入序列中元素之间的关系。LSTM 的一个很好的演示是学习如何使用诸如求和之类的数学运算组合多个术语，并输出计算结果。一个[…]

由 Jason Brownlee 于 2019 年 8 月 14 日发表在长短期记忆网络 292

长短期网络或 LSTM 是一种流行且强大的循环神经网络 (RNN)。即使使用 Keras 深度学习库等“易于使用”的接口，配置和将其应用于任意序列预测问题也可能非常困难。其中一个原因是[…]

由 Jason Brownlee 于 2019 年 8 月 14 日发表在长短期记忆网络 166

Keras 使用快速的符号数学库作为后端，例如 TensorFlow 和 Theano。使用这些库的一个缺点是，您的数据的形状和大小必须在开始时定义一次，并且无论您是训练网络还是进行预测，都必须保持不变。在序列预测问题上，它可能[…]

由 Jason Brownlee 于 2020 年 8 月 27 日发表在长短期记忆网络 36

长短期记忆 (LSTM) 网络是一种能够学习长序列的循环神经网络。这使它们与没有记忆且只能学习输入和输出模式之间映射的常规多层神经网络区分开来。理解 LSTM 等复杂神经网络的能力非常重要 […]

由 Jason Brownlee 于 2022 年 8 月 7 日发表在长短期记忆网络 29

另一种神经网络正在主导涉及输入序列的困难机器学习问题：循环神经网络。循环神经网络具有带有循环的连接，随着时间的推移为网络增加了反馈和记忆。这种记忆使这种类型的网络能够跨输入序列而不是单个模式进行学习和泛化。一个[…]