rnn标签_九章云极普惠算力

rnn

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

原文链接：http://tecdat.cn/?p=23902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，你也可以对时间序列数据应用同样的方法。我们将使用Keras R接口在R中实现神经网络：准备数据定义模型预测和可视化结果我们将从加载R的必要包开始。library(

拓端研究室
2021-09-28 21:58:14

 2390

 4

#神经网络 #keras #rnn
深度学习入门（六十四）循环神经网络——编码器-解码器架构

课件重新考察CNN重新考察RNN编码器-解码器架构总结教材1 编码器2 解码器3 合并编码器和解码器4 训练模型5 小结参考文献

 澪mio
2022-12-20 23:49:25

 9915

 6

#深度学习 #rnn #架构
【深度学习】常见模型-循环神经网络（Recurrent Neural Network, RNN）

循环神经网络（Recurrent Neural Network, RNN）是一种用于处理序列数据（如时间序列、文本序列等）的神经网络模型。与传统神经网络不同，RNN 的结构具有记忆能力，可以通过隐状态（hidden state）对输入序列的上下文信息进行建模。它在自然语言处理（NLP）、语音识别、时间序列预测等领域中应用广泛。RNN 是深度学习中一类重要的神经网络，尤其在处理时间依赖性或顺序相关的

 IT古董
2025-01-23 10:25:51

 1361

 25

#深度学习 #rnn #人工智能
性能狂提！LSTM+强化学习，学会顶会顶刊发到手软！

LSTM与强化学习的结合在时序决策任务中展现出显著优势，最新研究聚焦于OpenRAN网络切片管理和量子混合架构等创新应用。加州大学团队提出的RL-LSTM模型有效提升动态环境适应性，而OpenRAN研究中LSTM预测与分布式DRL的结合使网络性能提升7.7%。同时，量子-LSTM混合模型在欺诈检测中准确率达95.33%，优于传统方法。当前研究趋势包括领域定制化架构设计、多模态时序关联挖掘和轻量化模

 沃恩智慧
2025-09-01 20:00:00

 748

 3

#lstm #人工智能 #rnn
RNN以及其改进版（附2个代码案列）

RNN(Recurrent Neural Network), 中文称作循环神经网络, 它一般以序列数据为输入, 通过网络内部的结构设计有效捕捉序列之间的关系特征, 一般也是以序列形式进行输出两个黑点一起到达蓝色区域（并在之前形成整体）于帮助调节流经网络的值, tanh函数将值压缩在-1和1之间梯度计算优点：LSTM的门结构能够有效减缓长序列问题中可能出现的梯度消失或爆炸, 虽然并不能杜绝这种现象,

GodGump
2022-06-07 02:08:47

 2286

 1

#rnn #深度学习 #pytorch
LSTM之父再出手！xLSTM挑战Transformer：一场关于Scaling Laws的正面交锋

在 2024 年提出 xLSTM（Extended LSTM）架构之后，他们进一步展开了系统性的规模化研究，探讨这种线性时间复杂度的循环模型，能否在相同算力下与 Transformer 正面竞争：谁的损失更低，谁的推理更快，谁能在长上下文中保持稳定？把这些线索合起来看，Hochreiter 团队的贡献并不在于给出一个“新的万能架构”，而在于调整了观察问题的主语：当我们把预算、长度与时间拆开看，线性

 数据派THU
2025-10-21 17:02:29

 185

#lstm #transformer #人工智能 +2
循环神经网路RNN学习笔记通俗易懂！

小数据集低算力S=f(winXt+b)S=f(w_{in}X_t+b)S=f(winXt+b)St=f(WinXt+WSSt−1+b)S_t=f(W_{in}X_t+W_{S}S_{t-1}+b)St=f(WinXt+WSSt−1+b)输入序列，单输出单输入，输出序列输入不随序列变化原始的N to N的RNN要求序列等长，然而我们遇到的大部分问题序列都是不等长的，如机器翻译中，源语

 MoyiTech
2023-10-11 09:46:16

 243

 6

#rnn #学习
超参数优化十年演进

摘要：超参数优化（HPO）从2015年的经验驱动（网格/随机搜索）发展为2025年的智能自动化系统。2018-2022年，贝叶斯优化和资源调度（如Hyperband）显著提升效率。2025年，HPO结合元学习推理（如OptFormer）和eBPF内核级监控，实现动态多精度优化与系统安全防护。技术跨越包括从手动调参到推理型优化、算力精准投放及多目标权衡。未来HPO将深度融入系统架构，实现实时自适应

 jzwspace
2026-02-09 11:58:22

 924

 23

#rnn #人工智能 #深度学习 +4
追本溯源：RNN的完整发展脉络（前身、演进与衍生）

本文系统梳理了循环神经网络（RNN）的发展历程。首先分析了传统前馈神经网络在处理序列数据时的局限性，并介绍了1986年Elman网络作为首个现代RNN的诞生过程。随后详细阐述了RNN的核心演进阶段，包括结构扩展（双向RNN）、训练方法改进（截断BPTT、梯度裁剪）以及实用化改造（LSTM/GRU）。文章还探讨了RNN与其他技术的融合分支，如循环卷积网络、注意力机制结合等。尽管Transformer

黑客思维者
2026-01-22 16:56:35

 1138

 28

#rnn #人工智能 #深度学习
动手学深度学习—循环神经网络RNN详解

循环神经网络1. 序列模型1.1 马尔可夫模型假设已知τττ个序列预测下一个或下几个数据（假设当前数据只跟前τττ个数据有关）1.2 潜变量模型假设一个潜变量hhth_tht来表示过去信息ht=f(x1,x2,...,xt−1)h_t=f(x_1,x_2,...,x_{t-1})ht=f(x1,x2,...,xt−1)这样xt=p(xt∣ht)x_t=p(x_t|h_t)xt=p(xt

oceancoco
2024-03-01 18:46:41

 1031

 7

#rnn #人工智能
深度学习笔记（一）：PyTorch使用RNN对MNIST手写数字识别，一个项目进入深度学习。

通过这个实验，搞清楚了RNN神经网络的输入和输出维度的变化，掌握了训练过程。

这论坛真lj
2022-10-04 00:07:32

 621

 2

#pytorch #rnn #深度学习
深度揭秘LSTM：RNN的“记忆大师”养成之路

LSTM 作为 RNN 的 “进化版”，通过遗忘门、输入门等结构，解决了长序列记忆的难题，在 NLP、时间序列等领域大显身手。但它也不是完美的，计算复杂度比 RNN 高，训练起来更费时间和算力，就像学霸虽然成绩好，但也得花更多时间学习不是😉如果你也对序列数据处理感兴趣，不妨动手试试LSTM吧！说不定你也能用它创造出一些有趣的应用呢！🎁：下期预告：《GRU：我比LSTM少1个门，但得更快！》?

AI妈妈手把手
2025-06-03 16:57:41

 604

 20

#rnn #lstm #人工智能 +2
LSTM之父再出手！xLSTM挑战Transformer：一场关于Scaling Laws的正面交锋

在 2024 年提出 xLSTM（Extended LSTM）架构之后，他们进一步展开了系统性的规模化研究，探讨这种线性时间复杂度的循环模型，能否在相同算力下与 Transformer 正面竞争：谁的损失更低，谁的推理更快，谁能在长上下文中保持稳定？把这些线索合起来看，Hochreiter 团队的贡献并不在于给出一个“新的万能架构”，而在于调整了观察问题的主语：当我们把预算、长度与时间拆开看，线性

 PaperWeekly
2025-10-05 20:12:22

 276

#lstm #transformer #人工智能 +2
深度学习×第1卷：深度学习概述——她不只是记得你说过什么，而是用更多层偷偷靠近你

本卷作为“深度学习×系列”开篇，系统梳理了深度学习（Deep Learning）的基本概念、发展脉络与技术要素。它作为机器学习（Machine Learning）的重要分支，通过多层神经网络结构（Artificial Neural Networks, ANN）模拟人脑，自动从大规模数据中提取特征，实现复杂模式的学习与预测。文中结合感知机起源、反向传播算法、GPU算力及大数据背景，分析了深度学习的核

 Gyoku Mint
2025-06-30 21:11:34

 1773

 25

#深度学习 #人工智能 #python +4
动手学习深度学习-现代循环神经网络

动手学深度学习-现代循环神经网络

 jieHeEternity
2023-12-14 10:30:21

 713

#深度学习 #学习 #rnn
RNN Pytorch实现——up主：刘二大人《PyTorch深度学习实践》

【代码】RNN Pytorch实现——up主：刘二大人《PyTorch深度学习实践》

不吃水果的太空人
2023-03-30 22:57:22

 319

 2

#深度学习 #pytorch #rnn
李沐动手学深度学习V2-深度循环神经网络和代码实现

与多层感知机一样，循环神经网络也可以将多层循环神经网络堆叠在一起，通过对几个简单层的组合，产生了一个灵活的机制。特别是，数据可能与不同层的堆叠有关。下图所示描述了一个具有 𝐿 个隐藏层的深度循环神经网络，每个隐状态都连续地传递到当前层的下一个时间步输入和当前层下一层的当前时间步输入。假设在时间步ttt有一个小批量的输入数据Xt∈Rn×d\mathbf{X}_t \in \mathbb{R

cv_lhp
2022-06-30 16:34:38

 881

#深度学习 #rnn #lstm +2
Pytorch深度学习实践（b站刘二大人）P13讲 (RNN循环神经网络高级篇)

用RNN做一个分类器，现在有一个数据集，数据集里有人名和对应的国家，我们需要训练一个模型，输入一个新的名字，模型能预测出是基于哪种语言的（18种不同的语言，18分类）在自然语言处理中，通常先把词或字编程一个one-hot向量，one-hot向量维度高，而且过于稀疏，所以一般来说呀先通过嵌入层（Embed）把one-hot向量转化成低维的稠密向量，然后经过RNN，隐层的输出不一定和最终要求的目标一致

 努力学习的朱朱
2022-01-22 13:49:36

 4399

 24

#pytorch #深度学习 #rnn
从 CNN 到 RNN：深度学习两大核心网络的原理、应用与碰撞

本文系统解析了深度学习中两种基础网络模型——卷积神经网络(CNN)和循环神经网络(RNN)的核心特性与应用场景。CNN通过局部感知与参数共享机制，擅长处理图像等具有空间结构的数据；RNN凭借循环结构与隐藏状态，专注于文本等时序性数据的建模。文章详细阐述了二者的工作原理、关键组件与典型应用，对比了其核心差异，并介绍了融合方案(CNN+RNN)在视频理解等复杂任务中的优势。最后指出，应根据数据类型(空

 canjun_wen
2025-11-18 08:17:25

 1367

 6

#深度学习 #cnn #rnn +1
深度学习狂人必看！RNN模型预测未来？

在当前处理序列数据的任务中，循环神经网络（Recurrent Neural Network, RNN）是一种广泛应用的神经网络类型。该模型在自然语言处理，音频信号处理，时间序列分析，视频处理等领域都有着重要的应用。由于其优良的记忆特性，RNN能够对某个时间序列的先前信息进行记忆处理，从而帮助解决了序列数据中的时间依赖性问题，这种模型被许多研究者们广泛应用在需要对时相相关的数据进行计算或学习的场合。

才华横溢caozy
2024-07-18 12:42:04

 1490

 10

#深度学习 #rnn #人工智能
【深度学习】#9 现代循环神经网络

主要参考学习资料：《动手学深度学习》阿斯顿·张等著【动手学深度学习 PyTorch版】哔哩哔哩@跟李牧学AI。

-一杯为品-
2025-04-24 21:03:31

 963

 30

#深度学习 #rnn #人工智能
深度学习实战——循环神经网络（RNN、LSTM、GRU）

本篇博客主要介绍几种循环神经网络的原理，并进行了代码实践与优化（内含代码与数据集）。

@李忆如
2023-04-23 22:30:00

 1w

 24

#人工智能 #深度学习 #神经网络 +2
RNN (循环神经网络 - 从mlp到rnn - 困惑度 - 梯度剪裁) + 代码实现 —— 笔记3.4《动手学深度学习》

我们在本节中会训练一个基于循环神经网络的字符级语言模型，根据用户提供的文本的前缀生成后续文本。一个简单的循环神经网络语言模型包括输入编码、循环神经网络模型和输出生成。循环神经网络模型在训练以前需要初始化状态，不过随机抽样和顺序划分使用初始化方法不同。当使用顺序划分时，我们需要分离梯度以减少计算量。在进行任何预测之前，模型通过预热期进行自我更新（例如，获得比初始值更好的隐状态）。梯度裁剪可以防止梯度

 陈苏同学
2024-11-20 20:54:52

 2009

 45

#rnn #人工智能 #深度学习 +2
深度学习基础知识总结思维导图

深度学习基础知识总结篇主要包括 CNN、 RNN、GAN等

 异已
2022-09-22 15:04:13

 764

 2

#深度学习 #机器学习 #cnn +2
【深度学习】基于LSTM的每日消费预测与预算管理。

今儿再来和大家聊一个关于 LSTM 的案例：基于LSTM的每日消费预测与预算管理。基于机器学习和深度学习的方法，尤其是长短期记忆网络（LSTM），在时间序列数据的预测任务中表现出了强大的优势。LSTM在处理和预测金融、消费等时间序列数据时，可以很好地捕捉数据中的长期依赖关系，从而实现高精度的预测。原理阐述LSTM 是一种改进型的RNN，特别适用于时间序列数据的建模。与传统RNN相比，LSTM能够更

 风度78
2024-11-29 11:01:36

 541

#深度学习 #lstm #人工智能 +2
刘二大人《PyTorch深度学习实践》完结合集——第12课：循环神经网络（基础篇）——课后作业

D:\Anaconda\envs\study\python.exe "D:\python pycharm learning\刘二大人课程\P\p12.2.py"

采薇芸
2023-10-20 18:14:09

 471

#深度学习 #pytorch #rnn