Lstm цаг хугацааны цувралд тохиромжтой юу?

2024 Зохиолч: Lynn Donovan | [email protected]. Хамгийн сүүлд өөрчлөгдсөн: 2023-12-15 23:50

Урьдчилан таамаглахад LSTM ашиглах цаг - цуврал . RNN ( LSTM ) хөөрхөн сайн оролтын өгөгдөл нь урт дарааллаар дамждаг оролтын функцийн орон зайд хэв маягийг задлах үед. -ийн хаалганы архитектурыг харгалзан үзвэл LSTM Энэ нь санах ойн төлөвийг удирдах чадвартай тул ийм асуудалд тохиромжтой.

Үүний нэгэн адил хүмүүс Lstm хугацааны цуврал гэж юу вэ?

LSTM (Long Short-Term Memory network) нь өнгөрсөн мэдээллийг санаж, ирээдүйн утгыг урьдчилан таамаглахын зэрэгцээ өнгөрсөн мэдээллийг харгалзан үзэх чадвартай давтагдах мэдрэлийн сүлжээ юм. Урьдчилсан байдлаар хангалттай, яаж хийхийг харцгаая LSTM -д ашиглаж болно хугацааны цуваа шинжилгээ.

Дараа нь асуулт бол Lstm юунд тохиромжтой вэ? урт богино хугацааны санах ой ( LSTM ) нь хиймэл давтагдах мэдрэлийн сүлжээ ( RNN ) гүн гүнзгий суралцах чиглэлээр ашигласан архитектур. LSTM Сүлжээ нь цаг хугацааны цувааны өгөгдөлд үндэслэн ангилах, боловсруулах, таамаглал гаргахад тохиромжтой, учир нь цаг хугацааны цувралын чухал үйл явдлуудын хооронд үл мэдэгдэх үргэлжлэх хугацаа байж болно.

Энд, Lstm Аримагаас дээр гэж үү?

АРИМА ургац өгдөг илүү сайн үр дүн нь богино хугацаанд таамаглахад хүргэдэг, харин LSTM ургац өгдөг илүү сайн урт хугацааны загварчлалын үр дүн. Гүнзгий суралцах "эрин үе" гэж нэрлэгддэг сургалтын цагийн тоо нь бэлтгэгдсэн прогнозын загварын гүйцэтгэлд ямар ч нөлөө үзүүлэхгүй бөгөөд энэ нь үнэхээр санамсаргүй зан төлөвийг харуулдаг.

Lstm хэрхэн таамаглаж байна вэ?

Финал LSTM загвар нь таны хийхдээ ашигладаг загвар юм таамаглал шинэ өгөгдөл дээр. Өөрөөр хэлбэл, оролтын өгөгдлийн шинэ жишээг өгвөл та загварыг ашиглахыг хүсч байна урьдчилан таамаглах хүлээгдэж буй гарц. Энэ нь ангилал (шошго оноох) эсвэл регресс (бодит утга) байж болно.