Qu'est-ce que la série chronologique Lstm ?
Qu'est-ce que la série chronologique Lstm ?

Vidéo: Qu'est-ce que la série chronologique Lstm ?

Vidéo: Qu'est-ce que la série chronologique Lstm ?
Vidéo: Introduction à l'analyse des series temporelles: comment visualiser les données temporelles? 2024, Peut
Anonim

Des séries chronologiques Prédiction avec LSTM Réseaux de neurones récurrents en Python avec Keras. Le réseau Mémoire à Long Court Terme ou LSTM network est un type de réseau de neurones récurrent utilisé dans l'apprentissage en profondeur, car de très grandes architectures peuvent être entraînées avec succès.

Alors, Lstm est-il bon pour les séries chronologiques ?

Utiliser les LSTM pour prévoir temps - séries . RNN ( LSTM ) sont jolis bon à extraire des modèles dans l'espace de caractéristiques d'entrée, où les données d'entrée s'étendent sur de longues séquences. Compte tenu de l'architecture fermée de LSTM qui a cette capacité à manipuler son état de mémoire, ils sont idéaux pour de tels problèmes.

On peut aussi se demander, comment Lstm prédit-il ? Une finale LSTM le modèle est celui que vous utilisez pour faire prédictions sur de nouvelles données. Autrement dit, étant donné de nouveaux exemples de données d'entrée, vous souhaitez utiliser le modèle pour prédire le rendement attendu. Il peut s'agir d'une classification (attribuer une étiquette) ou d'une régression (une valeur réelle).

Compte tenu de cela, quel est le pas de temps dans Lstm?

LSTM signifie mémoire à court terme longue, ce qui signifie que la mémoire à court terme est maintenue dans le LSTM état de la cellule sur une longue période pas de temps . LSTM y parvient en surmontant le problème de gradient de disparition qui est typique de l'architecture simpleRNN.

A quoi sert Lstm ?

Pour Exemple , LSTM est applicable à des tâches telles que la reconnaissance d'écriture manuscrite non segmentée et connectée, la reconnaissance vocale et la détection d'anomalies dans le trafic réseau ou les IDS (systèmes de détection d'intrusion). Une unité LSTM commune est composée d'une cellule, d'une porte d'entrée, d'une porte de sortie et d'une porte d'oubli.

Conseillé: