股票
-
R语言KERAS用RNN、双向RNNS递归神经网络、LSTM分析预测温度时间序列、 IMDB电影评分情感
在这篇文章中，我们将回顾三种提高循环神经网络的性能和泛化能力的高级方法。我们将在一个温度预测问题上演示这三个概念，我们使用来自安装在建筑物屋顶的传感器的数据点的时间序列。 概述 安…
-
R语言用FNN-LSTM假近邻长短期记忆人工神经网络模型进行时间序列深度学习预测4个案例
最近的一篇文章中，我们展示了一个LSTM模型，通过假近邻（FNN）损失进行正则化，可以用来重建一个非线性动态系统。在这里，我们探讨了同样的技术是如何协助预测的。与 “普…
-
Python中用PyTorch机器学习神经网络分类预测银行客户流失模型
分类问题属于机器学习问题的类别，其中给定一组特征，任务是预测离散值。分类问题的一些常见示例是，预测肿瘤是否为癌症，或者学生是否可能通过考试。在本文中，鉴于银行客户的某些特征，我们将…
-
R语言深度学习Keras循环神经网络(RNN)模型预测多输出变量时间序列
递归神经网络被用来分析序列数据。它在隐藏单元之间建立递归连接，并在学习序列后预测输出。在本教程中，我们将简要地学习如何用R中的Keras RNN模型来拟合和预测多输出的序列数据，你…
-
Python用LSTM长短期记忆神经网络对不稳定降雨量时间序列进行预测分析
下面是一个关于如何使用长短期记忆网络（LSTM）来拟合一个不平稳的时间序列的例子。 每年的降雨量数据可能是相当不平稳的。与温度不同，温度通常在四季中表现出明显的趋势，而雨量作为一个…
-
R语言深度学习卷积神经网络 (CNN)对 CIFAR 图像进行分类：训练与结果评估可视化
本文演示了训练一个简单的卷积神经网络 (CNN) 来对 CIFAR 图像进行分类。由于本教程使用 Keras Sequential API，因此创建和训练我们的模型只需几行代码。 …
-
Python用Keras神经网络序列模型回归拟合预测、准确度检查和结果可视化
我们可以很容易地用Keras序列模型拟合回归数据并预测测试数据。 在这篇文章中，我们将简要地学习如何用Python中的Keras神经网络API拟合回归数据。我们将用Keras回归…
-
python在Keras中使用LSTM解决序列问题
时间序列预测是指我们必须根据时间相关的输入来预测结果的问题类型。时间序列数据的典型示例是股市数据，其中股价随时间变化。 递归神经网络（RNN）已被证明可以有效解决序列问题。特别地…
-
Python用PyTorch机器学习分类预测银行客户流失模型
分类问题属于机器学习问题的类别，其中给定一组功能，任务是预测离散值。分类问题的一些常见示例是，预测肿瘤是否为癌症，或者学生是否可能通过考试。 在本文中，鉴于银行客户的某些特征，我们…
-
matlab使用贝叶斯优化的深度学习
此示例说明如何将贝叶斯优化应用于深度学习，以及如何为卷积神经网络找到最佳网络超参数和训练选项。 要训练深度神经网络，必须指定神经网络架构以及训练算法的选项。选择和调整这些超参数可能…
-
Python使用神经网络进行简单文本分类
深度学习无处不在。在本文中，我们将使用Keras进行文本分类。 准备数据集 出于演示目的，我们将使用 20个新闻组 数据集。数据分为20个类别，我们的工作是预测这些类别。如下所…
-
如何在python深度学习Keras中计算神经网络集成模型
神经网络的训练过程是一个挑战性的优化过程，通常无法收敛。 这可能意味着训练结束时的模型可能不是稳定的或表现最佳的权重集，无法用作最终模型。 解决此问题的一种方法是使用在训练运行结束…
