回归、自回归、循环神经网络(RNN)、LSTM
1 RNN的统计学基础
1.1 回归:
Investpedia:
Regression refers to the relation between selected values of x and observed values of y (from which the most probable value of y can be predicted for any value of x). The general form of each type of regression is:
- Simple linear regression: Y=a+bX+uY = a + bX + uY=a+bX+u
- Multiple linear regression: Y=a+b1X1+b2X2+b3X3+...+btXt+uY = a + b_1X_1 + b_2X_2 + b_3X_3 + ... + b_tX_t + uY=a+b1X1+b2X2+b3X3+...+btXt+u
Where:
YYY = the variable that you are trying to predict (dependent variable,因变量).
XXX = the variable that you are using to predict Y (independent variable,自变量).
aaa = the intercept(截距).
bbb = the slope(斜率).
uuu = the regression residual(回归残差).
1.2 自回归(Auto-Regression, AR模型)
自回归,即AR模型,属于时间序列分析的范畴,即用一个变量yty_tyt的历史信息来预测自己,tutorialspoint给出的定义:
- For a stationary time series, an auto regression models sees the value of a variable at time ‘t’ as a linear function of values ‘p’ time steps preceding it. Mathematically it can be written as:
yt=C+ϕ1yt−1+ϕ2yt−2+...+ϕpyt−p+ϵty_t=C+ϕ_1y_{t−1}+ϕ_2y_{t−2}+...+ϕ_py_{t−p}+ϵ_tyt=C+ϕ1yt−1+ϕ2yt−2+...+ϕpyt−p+ϵt
Where,‘p’ is the auto-regressive trend parameter
ϵtϵ_tϵt is white noise, and yt−1,yt−2...yt−py_{t−1},y_{t−2}...y_{t−p}yt−1,yt−2...yt−p denote the value of variable at previous time periods.
1.3 有外部输入的非线性自回归模型(Nonlinear AutoRegressive with Exogenous Inputs Model,NARX)
NARX是自回归模型的扩展,在每个时刻ttt都有一个外部输入xtx_txt,产生一个输出yty_tyt,NARX通过一个延时器记录最近KxK_xKx次的外部输入和最近KyK_yKy次的输出,第ttt个时刻的输出yty_tyt为:
yt=f(xt,xt−1,...,xt−Kx,yt−1,yt−2,...,yt−Ky)y_t=f(x_t,x_{t-1},...,x_{t-K_x},y_{t-1},y_{t-2},...,y_{t-K_y})yt=f(xt,xt−1,...,xt−Kx,yt−1,yt−2,...,yt−Ky)
其中f()f()f()表示非线性函数,可以是一个前馈网络,KxK_xKx 和KyK_yKy为超参数。
2 简单循环神经网络
2.1 循环神经网络的通用近似定理
如果一个完全连接的循环神经网络有足够数量的 sigmoid 型隐藏神经元,它可以以任意的准确率去近似任何一个非线性动力系统:
st=g(st−1,xt)s_t = g(s_{t-1}, x_{t})st=g(st−1,xt)
yt=o(st)y_t = o(s_t)yt=o(st)
2.2 学习模式
2.3 参数学习
2.4 梯度爆炸、梯度消失与长程依赖问题
2.5 门控机制、LSTM及其变体
2.6 深层循环神经网络
2.6.1 堆叠循环神经网络
图 按时间展开的堆叠循环神经网络
2.6.2 双向循环神经网络
在有些任务中,一个时刻的输出不但和过去时刻的信息有关,也和后续时刻
的信息有关.比如给定一个句子,其中一个词的词性由它的上下文决定,即包含左右两边的信息.因此,在这些任务中,我们可以增加一个按照时间的逆序来传递信息的网络层,来增强网络的能力.
双向循环神经网络(Bidirectional Recurrent Neural Network,Bi-RNN)由
两层循环神经网络组成,它们的输入相同,只是信息传递的方向不同.
图 按时间展开的双向循环神经网络
回归、自回归、循环神经网络(RNN)、LSTM相关推荐
- 深度学习~循环神经网络RNN, LSTM
目录 1. 循环神经网络RNN 1.1 RNN出现背景 1.2 RNN概念 2. LSTM 2.1 LSTM出现背景 2.2 LSTM结构 参考 1. 循环神经网络RNN 1.1 RNN出现背景 pr ...
- 深度学习笔记——循环神经网络RNN/LSTM
原文来自知乎专栏NLP进阶之路,作者韦伟. 以下文章是摘录了原文部分内容的学习笔记,侵删. 循环神经网络(Rerrent Neural Network) RNN是神经网络的一种,RNN对具有序列特性的 ...
- RNN循环神经网络 、LSTM长短期记忆网络实现时间序列长期利率预测
全文链接:http://tecdat.cn/?p=25133 2017 年年中,R 推出了 Keras 包 _,_这是一个在 Tensorflow 之上运行的综合库,具有 CPU 和 GPU 功能(点 ...
- 循环神经网络(RNN、LSTM、GRU)
循环神经网络(RNN.LSTM.GRU) 目录 循环神经网络(RNN.LSTM.GRU) 概述: 计算: LSTM(长短记忆模型): GRU:
- YJango的循环神经网络——实现LSTM YJango的循环神经网络——实现LSTM YJango YJango 7 个月前 介绍 描述最常用的RNN实现方式:Long-Short Term Me
YJango的循环神经网络--实现LSTM YJango 7 个月前 介绍 描述最常用的RNN实现方式:Long-Short Term Memory(LSTM) 梯度消失和梯度爆炸 网络回忆:在< ...
- [Python人工智能] 十二.循环神经网络RNN和LSTM原理详解及TensorFlow编写RNN分类案例
从本专栏开始,作者正式开始研究Python深度学习.神经网络及人工智能相关知识.前一篇讲解了TensorFlow如何保存变量和神经网络参数,通过Saver保存神经网络,再通过Restore调用训练好的 ...
- 通过keras例子理解LSTM 循环神经网络(RNN)
博文的翻译和实践: Understanding Stateful LSTM Recurrent Neural Networks in Python with Keras 正文 一个强大而流行的循环神经 ...
- 循环神经网络(RNN)之长短期记忆(LSTM)
长短期记忆(Long Short Term Memory)跟上篇的循环神经网络(RNN)之门控循环单元(GRU),两者比较的话,LSTM稍微更复杂一点,但很类似,对整个隐藏单元来讲可以说增加了一个记忆 ...
- CS224N笔记(四) Lecture 7:循环神经网络RNN的进阶——LSTM与GRU
本文将介绍两种比RNN更好地应对梯度消失问题的模型结构--LSTM和GRU,文章以CS224N的课件和材料为基础,重点分析他们的结构特点和梯度计算,在梯度消失的解决策略上进行了深入探究,并进一步分析它 ...
- 循环神经网络RNN、LSTM、GRU实现股票预测
Tensorflow--循环神经网络RNN 循环核 TensorFlow描述循环核 循环神经网络 TensorFlow描述循环神经网络 循环计算过程 输入一个字母,预测下一个字母 输入四个连续字母,预 ...
最新文章
- vmware 上部署 kvm虚拟机
- spring手动控制事务开启_“上帝视角”图解Spring事务的传播机制原理
- 桑文锋:创业是场持久战,我希望能重构中国互联网的数据根基
- 【牛客 - 370H】Rinne Loves Dynamic Graph(分层图最短路)
- *-mapper.xml配置文件
- oracle实施过程中误区,oracle 开发误区探索《二》
- python几种设计模式_Python七大原则,24种设计模式
- 汇编语言王爽 实验九
- API卡_医院卡读卡器 IC卡读卡器 USB口写卡器_社保卡读卡器
- 硬件笔记1:80508550三极管对管驱动电机电路(已经实测可用)
- mysql front新建数据库_简述MySQL-Front数据库的具体操作
- aws ecs 通过efs挂载实现动态更新firelens日志配置
- R 计算变量之间的相关性
- 计算机进入pe快捷键,U盘启动快捷键大全(附U盘启动必杀技)
- 10步Navicat for Mysql12.1.20破解激活方法(适用于Navica12.1系列软件)
- vue构建pc端项目(ElementUI)、vue入门小应用
- 伺服器对比:S3010,S-U400
- 高性能计算(HPC)
- python access violation_python – “WindowsError:exception:access violation …” – ctypes问题...
- css box-shadow 使用