Публикации по теме 'lstm'


Обнаружение аномалий с использованием автоэнкодера LSTM
Использование сети кодировщика-декодера LSTM для обнаружения аномалий Что такое обнаружение аномалий? Обнаружение аномалий (также известное как анализ выбросов) — это этап интеллектуального анализа данных, который обнаруживает точки данных, события и/или наблюдения, отличающиеся от ожидаемого поведения набора данных. Нетипичные данные могут выявить важные ситуации, такие как техническая неисправность, или потенциальные возможности, такие как изменение поведения потребителей...
Извлечение текста из изображений с помощью Python
«Давайте вместе продвигать человечество, сделав ИИ доступным для всех!» Распознавание последовательностей на основе изображений является давней темой исследований компьютерного зрения. В этой статье исследователи исследовали проблему распознавания текста сцены, которая является одной из самых важных и сложных задач в распознавании последовательностей на основе изображений. Предлагается новая архитектура нейронной сети, которая объединяет извлечение признаков, моделирование..
Анализ временных рядов с глубоким обучением: упрощенный
Пройдите ускоренный курс, чтобы узнать, «почему» и «когда» использовать глубокое обучение в анализе временных рядов. Что такое анализ временных рядов? Временной ряд - это последовательность точек данных, упорядоченная с использованием временных меток. А анализ временных рядов - это .. вы уже догадались .. анализ данных временных рядов: P Диапазон временных рядов огромен, от ежедневной цены на ваш любимый фрукт до показаний выходного напряжения, обеспечиваемого схемой, как и..
Генерация кода с использованием сети LSTM (длинная кратковременная память) RNN
Рекуррентная нейронная сеть ( RNN ) — это класс нейронной сети , которая хорошо работает, когда вход/выход представляет собой последовательность. RNN могут использовать свое внутреннее состояние/память для обработки последовательностей входных данных. Модели нейронных сетей бывают разных видов Один к одному : классификация изображений, при которой мы даем входное изображение, и оно возвращает класс, к которому принадлежит изображение. Один ко многим : субтитры к изображениям, где..
Пространственно-временной ConvLSTM для прогнозирования сбоев
Пространственно-временной ConvLSTM для прогнозирования сбоев Уникальный подход глубокого обучения для прогнозирования аварий В этом посте рассказывается об уникальном эмпирическом исследовании с использованием модели глубокого обучения ConvLSTM и ArcPy для прогнозирования мест риска сбоев на следующий день с использованием временных последовательностей данных о характеристиках сбоев. Дорожные аварии формулируются как задача прогнозирования пространственно-временной..
LSTM с запаздывающими данными
LSTM с запаздывающими данными Следует ли использовать запаздывающие данные при построении LSTM? При создании своего первого LSTM вы быстро поймете, что ваши входные данные должны быть в форме 3-мерного массива. Три измерения: Образцы Временные шаги (или размер окна) Возможности Потенциально запутывающая часть разработчиков моделей - это элемент Временные шаги . Большинство разработчиков моделей используют простой двумерный массив (образцы, характеристики). Не..
Лекция по НЛП 12 @ CMU  — «Смотрите👓 и читайте угощение🍨»
В этой лекции мы узнаем, как адаптировать структуру выходных данных нейронной сети для предсказания некоторой древовидной структуры по входной последовательности. Какая древовидная структура последовательности? Во-первых, обратите внимание, что слова в предложении связаны с другими словами в предложении. Два слова могут быть связаны, если одно является подлежащим другому, или одно является дополнением другого, или каким-либо иным образом. Эти отношения обычно заканчиваются..