傳統(tǒng)的時(shí)間序列問(wèn)題通常需要人力進(jìn)行特征工程，預(yù)處理后的數(shù)據(jù)才能輸入到機(jī)器學(xué)習(xí)算法中。lstmsequence是什么意思？LSTM(longshorttermemory)是一種長(zhǎng)短期記憶網(wǎng)絡(luò)，是一種時(shí)間遞歸神經(jīng)網(wǎng)絡(luò)，適用于處理和預(yù)測(cè)時(shí)間序列中具有相對(duì)較長(zhǎng)間隔和延遲的重要事件，基于LSTM的系統(tǒng)可以學(xué)習(xí)翻譯語(yǔ)言、控制機(jī)器人、圖像分析、文檔摘要、語(yǔ)音識(shí)別、手寫識(shí)別、控制聊天機(jī)器人、預(yù)測(cè)疾病、點(diǎn)擊率和股票、合成音樂(lè)等等。
2、如何基于TensorFlow使用LSTM和CNN實(shí)現(xiàn)時(shí)序分類任務(wù)
時(shí)間序列數(shù)據(jù)經(jīng)常出現(xiàn)在很多領(lǐng)域，比如金融、信號(hào)處理、語(yǔ)音識(shí)別、醫(yī)學(xué)等。傳統(tǒng)的時(shí)間序列問(wèn)題通常需要人力進(jìn)行特征工程，預(yù)處理后的數(shù)據(jù)才能輸入到機(jī)器學(xué)習(xí)算法中。而這種特征工程通常需要一些特定領(lǐng)域的專業(yè)知識(shí)，所以進(jìn)一步增加了預(yù)處理成本。比如信號(hào)處理(即腦電信號(hào)分類)，特征工程可能會(huì)涉及到功率譜、Hjorth參數(shù)等各種頻段的具體統(tǒng)計(jì)特征。
lstm(longshorttermemory)是一種長(zhǎng)短期記憶網(wǎng)絡(luò)，是一種時(shí)間遞歸神經(jīng)網(wǎng)絡(luò)，適用于處理和預(yù)測(cè)時(shí)間序列中間隔相對(duì)較長(zhǎng)、存在延遲的重要事件。LSTM已被應(yīng)用于許多科學(xué)技術(shù)領(lǐng)域。基于LSTM的系統(tǒng)可以學(xué)習(xí)翻譯語(yǔ)言、控制機(jī)器人、圖像分析、文檔摘要、語(yǔ)音識(shí)別、手寫識(shí)別、控制聊天機(jī)器人、預(yù)測(cè)疾病、點(diǎn)擊率和股票、合成音樂(lè)等等。
一個(gè)牢房有三扇門，分別叫輸入門、遺忘門、輸出門。當(dāng)一個(gè)消息進(jìn)入LSTM網(wǎng)絡(luò)時(shí)，可以根據(jù)規(guī)則判斷它是否有用，只會(huì)留下符合算法認(rèn)證的信息，不符合的信息會(huì)通過(guò)遺忘門被遺忘。無(wú)非是一進(jìn)兩出的工作原理，卻能解決神經(jīng)網(wǎng)絡(luò)長(zhǎng)期以來(lái)在重復(fù)運(yùn)算下的大問(wèn)題，目前已經(jīng)證明LSTM是解決長(zhǎng)階依賴問(wèn)題的有效技術(shù)，而且這種技術(shù)非常通用，導(dǎo)致了很多可能的變化。
