用于HSI数据分类的LSTM
LSTM (Long Short-Term Memory) 是一种常用的循环神经网络 (RNN) 架构，用于处理序列数据，特别是具有长期依赖关系的数据。它具有记忆单元和多个门控单元，可以有效地捕捉和利用序列中的时间依赖性。
在HSI数据分类中，LSTM可以用来处理具有高光谱和空间信息的数据。HSI (Hyperspectral Imaging) 数据是通过遥感技术获取的一种具有连续光谱信息的图像数据，包含了大量的光谱波段。由于每个像素点都包含了丰富的光谱信息，HSI数据分类具有挑战性，需要处理大量的数据和复杂的特征。
LSTM在HSI数据分类中的优势包括：
- 处理长期依赖关系：LSTM的门控机制可以学习和保留长期的时间依赖关系，有助于提取HSI数据中的隐藏模式和特征。
- 处理序列数据：LSTM适用于处理序列数据，能够自动学习并捕捉数据中的时序特征。
- 可变长度输入：LSTM可以处理不同长度的序列数据，适用于处理具有不同数量的光谱波段的HSI数据。
- 鲁棒性：LSTM对噪声和数据缺失具有一定的鲁棒性，能够处理实际应用中常见的问题。
LSTM在HSI数据分类中的应用场景包括：
- 地质勘探：利用HSI数据进行地质勘探，例如寻找矿藏、岩性分类等。
- 农业监测：利用HSI数据监测农作物的健康状况、病虫害等。
- 环境监测：利用HSI数据监测水质、大气污染等环境指标。
- 遥感影像分析：利用HSI数据进行遥感影像分类、目标检测等。
腾讯云相关产品中，可以使用云服务器 (CVM) 来搭建LSTM模型训练和推理的环境。此外，腾讯云还提供了大数据处理服务，如云数据库 (CDB)、云数据仓库 (CDW) 等，可以用于存储和处理HSI数据。对于深度学习任务，腾讯云提供了AI引擎 (Tencent AI Engine)、弹性AI服务器 (Tencent Elastic AI Server) 等产品来提供高性能的深度学习计算能力。
更多关于腾讯云的产品和服务信息，请参考腾讯云官方网站：https://cloud.tencent.com/
相关·内容
2回答
用于HSI数据分类的LSTM
、、、、
我正在尝试使用LSTM对Pavia University HSI data进行分类。X_train数据的形状为(610x340，103)，y_train数据的形状为(610x340)。一共有9个班级。因此，我有207400个样本，其中有103个特征(每个时间步1个特征)。我应该如何重塑我的数据，其中每个样本都是具有一个特征的103个时间步长的时间序列，以便使用LSTM进行分类？
浏览 35提问于2021-08-02得票数 0
我目前正在使用LSTM模型来分类高维表格数据，而不是文本/图像(维度21392x1970)。我还分别尝试了Python中的XGBoost (梯度增强)来完成相同的分类任务(分类为14种不同的分类值中的一种)。我遇到了在XGBoost中使用XGBoost方法的规定，它可以为我提供预测中最相关的特征的F1分数。
我想要创建一个混合模型，它将LSTM和XGBoost结合在一起，但对于如何使用最重要的特性进行分类(可能是通过XGBoost获得这些特性，然后以组合的方式提供给LSTM？)，我感到困惑。如有任何意见、建议和意见，敬请见谅！
浏览 0提问于2019-02-19得票数 1
2回答
使用LSTM进行二进制分类
、、、、
我有大小为100000*5的时间序列数据。100000个样本和5个变量。我已经将每个100000个样本标记为0或1。即二进制分类。我想使用LSTM来训练它，因为数据的时间序列性质。我见过LSTM用于时间序列预测的例子，它是否适合在我的情况下使用。
浏览 1提问于2017-01-23得票数 1
对于的文本分类，我有1000个评论的数据，我尝试了不同的神经网络。对于CNN，我得到了0.94的精度，但是使用LSTM，我得到了一个较低的精度(0.88)，这是正常的吗，因为据我所知，LSTM是专门用于文本分类的，它保留了单词序列的顺序？。
浏览 2提问于2021-04-29得票数 1
回答已采纳
1回答
如何识别LSTM中的重要特征
、、、、
我有一个二进制分类问题，对于每个数据点，我有3个时间序列，如下所示。
data_point, time_series1, time_series2, time_series3, label
d1, [0.1, ....., 0.5], [0.8, ....., 0.6], [0.8, ....., 0.8], 1
and so on
我使用以下代码来执行二进制分类。
model = Sequential()
model.add(LSTM(100, input_shape=(25,4)))
model.add(Dense(50))
model.add(D
浏览 2提问于2019-11-06得票数 2
回答已采纳
2回答
虽然我试图实现一个用于轨迹分类的LSTM网络，但即使是简单的轨迹，我也一直在努力获得像样的分类结果。此外，我的训练精度一直在波动，没有明显增加，这也可以在tensorboard中看到：
训练准确率：
这是我的模型：
model1 = Sequential()
model1.add(LSTM(8, dropout=0.2, return_sequences=True, input_shape=(40,2)))
model1.add(LSTM(8,return_sequences=True))
model1.add(LSTM(8,return_sequences=False))
mode
浏览 1提问于2018-08-03得票数 1
1回答
我试图为文本分类问题实现一个BiLSTM层，并为此使用PyTorch。
self.bilstm = nn.LSTM(embedding_dim, lstm_hidden_dim//2, batch_first=True, bidirectional=True)
lstm_out, (ht, ct) = self.bilstm(embeddings)
现在，在一些例子中(我在互联网上看到)，人们正在通过ht通过Linear层并生成输出。有些人也在使用lstm_out。现在我有两个问题-
对于文本分类，应该使用哪一种？
如果我使用ht，对于bidirectional=True来说，它是形状的(2,
浏览 0提问于2021-04-29得票数 0
1回答
我有一个包含1000个用户的活动数据的数据集。由于一个用户的活动与另一个用户的活动不同，我希望将用户属性也发送到LSTM RNN模型，以便该模型能够更好地了解每个用户的行为。我的数据集的代码片段如下：
我尝试了分类信息的one-hot编码和二进制编码，但模型没有产生良好的结果。但是，将LSTM RNN模型应用于单个用户的数据(不包括用户变量)会产生良好的结果。
我的用于异常检测的lstm自动编码器模型的代码片段如下：
inputs = Input(shape = (timesteps, n_features))
L1 = LSTM(encoding_dim, activation='
浏览 4提问于2019-11-25得票数 2
2回答
我有一个大约100万个tweet的数据集，对应于大约30000个用户帐户，标记为二进制数据(将tweet分类为机器人编写的)。
有了这么多数据，我可以使用一种基于LSTM的NLP方法来利用文本中的序列数据。
我想得到最好的准确性，但不知道哪些模型是可用的，可以结合或建立在LSTM的方法上。
我还想知道，由于数据的一部分是顺序的，而另一部分是固定的(帐户元数据)，某种混合分类器是否能比仅仅使用LSTM更好。
是否有任何混合模型或任何其他已证实的模型值得进一步研究，为我的项目实现？
浏览 0提问于2018-10-19得票数 0
回答已采纳
1回答
叠加卷积网络与递归层
、、、
我正在研究一个视频序列分类器。它应该在输入和输出一个标签上接受几个视频帧，或者0或者1。所以，它是一个多对一的网络。
我已经有了一个单帧分类器。该分类器利用Conv2D进行多次卷积，然后应用GlobalAveragePooling2D。这就产生了长度为64的一维矢量。然后，原始的每帧分类器有一个Dence层，激活了softmax .
现在我想扩展这个分类器来处理序列。理想情况下，序列应该具有不同的长度，但现在我将长度固定为4。
为了扩展我的分类器，我将用一个1单元的LSTM层代替Dense。所以，我的目标是让LSTM层一个接一个地取几个长度为64的一维矢量，然后输出一个标签。
从原理上讲，我现
浏览 2提问于2018-05-31得票数 0
回答已采纳
1回答
我有一些图像方面的经验，并在使用CNN的图像分类中游玩过，但对于文本数据，我的知识有限。
我目前想要分类的输入写成：
hjkhghkgfghjkhghkgfghfefdefdcdefghjkjh-hjhgfe
fdcd-dd-fdc-dad-ad-dfe-cde-dggf-ghd-gg-bcd
hjkhghkgfghjkhghkgfghfefdefdcdefghjkjh-gh-gfed
dh-hg-gf-gh-dh-hg-gf-gh-hkhg-kh-hg-gf-gh-hkhg-kh-hg-gf-ghh-hgfg-dfd-dc-fgf-gh
我有2000多行这些数据，需要分类。我知道，对于常规文
浏览 0提问于2020-07-28得票数 2
回答已采纳
1回答
我有这样的模型，我一直在用它来进行序列分类。
class RoBERT_Model(nn.Module):
def __init__(self, hidden_size = 100):
self.hidden_size = hidden_size
super(RoBERT_Model, self).__init__()
self.lstm = nn.LSTM(768, hidden_size, num_layers=1, bidirectional=False)
self.out = nn.Linear(hidden_s
浏览 3提问于2021-09-22得票数 0
回答已采纳
我有像这样的加速度计和陀螺仪传感器的数据--
我想要创建一个经过预先训练的模型，用于使用数据的LSTM方法进行分类-- python中的。这有可能吗？因为根据我所读到的，预先训练的是用于图像数据和方法，如CNN进行分类。此外，我试图找到经过预先培训的数据，但没有找到，所以我怀疑这是否可能。
如果我使用LSTM进行分类，我能使用经过预培训的A数据吗？有我可以学习的教程吗？任何帮助都将不胜感激。
浏览 3提问于2021-09-27得票数 0
2回答
Word2Vec的使用
、、、、
抱歉，基本的怀疑，
我想知道我是否可以直接使用我的Word2Vec进行分类而不使用LSTM。我的假设是，这是不可能的，因为单词的顺序不会被考虑在内。因此，它不会用于分类。
但是我们使用BERT嵌入来进行分类。但是在这种情况下，伯特根据句子的上下文生成嵌入。因此，我们可以使用它进行分类。我的理解对吗？
伯特通过顺序学习实现了LSTM的学习，无需顺序处理，而是通过对句子的整体处理找到嵌入。LSTM还试图使用某种上下文来表示句子，但通过顺序处理来表示。我的理解对吗？
浏览 0提问于2022-07-29得票数 2
1回答
LSTM可以很好地预测序列之后会发生什么，但是我假设我们有很多序列，并且每个序列对应于一个类标签。
我们如何使用LSTM对这些序列进行分类？
浏览 2提问于2017-10-15得票数 1
回答已采纳
2回答
我每天都有感应器的时间序列数据。我只想问问自己，如何用LSTM来训练自己。为了分类？既然我想要LSTM列车的所有例子，而不仅仅是一个？
我只看到LSTM在一个时间序列上接受培训的例子。
浏览 0提问于2018-11-30得票数 0
1回答
我在master数据库中创建了一个存储过程，因为我希望能够在各种数据库上运行。
我为database创建了一个变量，所以当我执行存储过程时，它将在我想要的存储过程上运行。我一直收到这个语法错误：
Msg 102，15级，状态1，过程Stuck_Docs_WF_Rpt，第12行
“.”附近的语法不正确。
这是我的代码：
ALTER PROCEDURE [dbo].[Stuck_Docs_WF_Rpt]
@Database char(25)
AS
BEGIN
select
count(@Database.hsi.itemdata.itemnum) as '
浏览 5提问于2012-09-27得票数 3
回答已采纳
2回答
我有一个像下面这样的数据框架，我只展示了其中的一行：
HSI.Close.org HSI.Close HSI.Close.1 HSI.Close.2 HSI.Close.3
1987-03-17 2629.3 2669.6 2721.2 2750.1 2760.9
HSI.Close.4 HSI.Close.5 HSI.Close.6 HSI.Close.7 HSI.Close.8
1987-03-17 2731.1 2820.4 2798.6 2798.4
浏览 7提问于2011-04-04得票数 1
我正在尝试创建一个用于数据序列分类的LSTM。
我将使用的每一项培训输入的数据结构如下：
[[
[deltaX,deltaY,deltaTime],
[deltaX,deltaY,deltaTime],...
],class]
其中deltaX和deltaY反映了给定时间内X和Y的变化，deltaTime。
deltaTime并不是每次都是一样的，它可以从40到50 is到有时1000 is不等。结尾的“类”是二进制分类，可以是0，也可以是1。
问题1(常规LSTM)：如果要使用基本的LSTM (Keras )，应该将deltaTime作为特性输入吗？
我知道LSTM有时间戳，但它们是固定在
浏览 4提问于2019-10-17得票数 3
回答已采纳
1回答
LSTM分类模型中的几个问题
、、、、
我正在用深度学习技术对音乐体裁进行分类研究。该工作包括使用LSTM模型进行分类。
我使用GTZAN作为数据集，并使用Librosa对它们进行预处理。这样我就可以得到光谱特征，特别是:光谱质心。
我的输入数据具有以下大小: X_train (750、20、1249)。
我的模型是：
model = Sequential ()
model.add (LSTM (units = 512, return_sequences = True, input_shape = (X_train.shape [1], X_train.shape [2])))
model.add (LSTM (units = 32
浏览 0提问于2019-05-12得票数 1
1回答
时间序列的Keras多类分类
、、、、
我试图在10个响应类中对输入的时间序列数据进行分类。所以我在我的响应特性中有10个类。
我的输入数据有40个特性，响应(Y_train)有一个有10个类的特性。
train input shape (4320, 43), train_y shape (4320,)
我的LSTM网络如下所示
model = Sequential()
model.add(LSTM(25, dropout=0.2, input_shape=(train_X.shape[1], train_X.shape[2])))
model.add(Dense(10, activation='softmax'))
浏览 3提问于2019-10-23得票数 0
回答已采纳
4回答
我正致力于实现LSTM神经网络的序列分类。我想设计一个具有以下参数的网络：
输入:是一个n单热向量序列.
网络拓扑:两层LSTM网络.
输出：给定的序列属于类(二进制-分类)的概率.我只想考虑第二个LSTM层的最后输出。
我需要在CNTK中实现这一点，但我很难做到这一点，因为它的文档编写得并不好。有人能帮我吗？
浏览 2提问于2016-07-27得票数 1
回答已采纳
3回答
can可以有数百个隐藏层，而且由于它们经常与图像数据一起使用，因此有许多层捕获更多的复杂性。
然而，据我所见，RNN通常只有几个层，例如2-4层。例如，对于心电图(ECG)分类，我见过文献使用LSTM 4层，CNN 10-15层，结果相似。
这是因为RNNs/LSTM如果更深(由于梯度消失问题)更难训练，还是因为RNNs/LSTM往往会快速适应顺序数据？
浏览 0提问于2019-06-09得票数 9
1回答
我正在构建一个用于多变量时间序列分类的LSTM网络，使用2个分类特征，我已经在Keras中为它们创建了嵌入层。模型编译完成，体系结构显示在下面的代码中。我要买一台ValueError: all the input array dimensions except for the concatenation axis must match exactly。这对我来说很奇怪，因为模型编译和输出形状似乎是匹配的(3D对齐沿着轴连接= -1)。模型拟合X参数是3个输入的列表(第一个分类变量数组，第二个分类变量数组，以及用于LSTM的多变量时间序列输入3-D ) Layer (type)
浏览 20提问于2019-05-29得票数 0
2回答
这是我的密码。我用过ggplot2。如下图所示，我想单独更改y的轴值。
library(ggplot2)
rm(list=ls())
bar=read.csv("Age.csv")
attach(bar)
Category=sub('\\s+$', '', Category)
HSI = HSI-100
df = data.frame(HSI=HSI,Category)
ggplot(df, aes(x=Category,y=HSI, fill=Category)) +
geom_bar(stat = "identity"
浏览 3提问于2015-05-24得票数 0
回答已采纳
1回答
-I希望使用LSTM模型创建一个python程序来预测输出值为1或0。
-My数据存储在表单的.csv文件中：(行示例)
日期、时间、温度、风值-输出
10-02-2020 10:00 25 10 1
-I发现了几个课程，几个例子，但我没有发现我的分类问题做同样的事情，有很多关于翻译的例子。
-I被困在如何准备我的程序，我的数据提供给他们的LSTM模型。
-I想要考虑到我的温度和风的输入，以及预测输出值的时间。
(我已经根据一个简单的ANN编写了一个python程序，通过遵循教程来预测我的输出值)，但是对于LSTM，我发现很难。
提前谢谢你的帮助。
浏览 0提问于2020-04-03得票数 1
回答已采纳
1回答
我正在研究一个图像分类问题，使用以Resnet50为基础模型的传输学习(在Keras中)(例如A类和B类)。
这种分类涉及到时间因素。例如，我需要足够的证据来进行从一个类到另一个类的转换。
因此，我脑海中想到的一个想法是，在CNN层(CNN+LSTM)中添加LSTM层。
在理解以下查询时需要您的帮助。
有没有办法将LSTM层添加到传输学习过程中(假设CNN层的权重不可训练)
如何准备数据集(图像帧)。例如，我有10个A类和B级的视频，我是否需要像视频中一样，将图像按顺序排列。(到目前为止，对于正常的图像分类，我已经对图像帧进行了洗牌)
任何关于建立我自己的CNN + LSTM模型的想法。
浏览 0提问于2019-05-13得票数 9
1回答
从我在网上找到的各种例子中，我仍然不太明白如何从我的分类数据为神经网络模型创建嵌入层，特别是当我有数字和分类数据的混合时。例如，数据集如下所示：
numerical_df = pd.DataFrame(np.random.randint(0,100,size=(100, 3)), columns=['num_1','num_2','num_3'])
cat_df = pd.DataFrame(np.random.randint(0,5,size=(100, 3)), columns=['cat_1','cat_2'
浏览 0提问于2018-09-25得票数 7
1回答
理解时间戳在Keras中的作用
、、、、
给定由10232个信号组成的信号数据集，200 K (10232, 200000)中的每一个都是为了分类目的而制作的。我对Keras的理解是，它接受(samples, timestamp, features)格式的数据。在阅读了许多文章后，LSTM只接受3D数据，所以我们首先应该将输入的数据从2D扩展到3D。以下是快照代码：
X = np.expand_dims(X, -1) # ---> (10232, 200000, 1)
input_layer = Input(shape=(X.shape[1], X.shape[2]))
lstm_ = LSTM(64, return_seque
浏览 3提问于2020-11-28得票数 0
回答已采纳
1回答
我的输入数据有10个特征，它是在25个不同的时间戳上获取的。我的输出数据由类标签组成。所以，基本上，我有一个多对一的分类问题。
我想为这个问题实现一个LSTM。总训练数据由10000个数据点组成。此LSTM网络的输入和输出格式(形状)应该是什么？
浏览 5提问于2017-07-07得票数 0
我有一个名为"Union“的数据库。我尝试在MAINT表中为这个数据库执行SQL，但是由于'union‘是一个SQL命令，它会抛出错误。我可以让查询在从Union数据库执行时运行。动态SQL是否能够修复我的问题，还是应该更改数据库名称？
我在关键字'UNION‘附近一直有错误的语法--这是我到目前为止所得到的，
DECLARE @sql varchar(max)
DECLARE @Database varchar(5)
Set @Database = 'UNION'
SELECT @sql = 'SELECT '+@Data
浏览 3提问于2015-11-02得票数 0
回答已采纳
1回答
在Keras中的正式示例中，使用categorical_crossentropy作为损失函数来训练堆叠的LSTM分类器，就像预期的那样。
但是y_train值是通过输出实数的numpy.random.random()来播种的，而0,1二进制分类则是典型的。
是否将y_train值提升到遮罩下的0,1值？
您甚至可以根据0,1之间的实际值来训练这个损失函数吗？
然后如何计算accuracy？
令人困惑..。不是吗？
from keras.models import Sequential
from keras.layers import LSTM, Dense
import numpy as np
浏览 0提问于2018-11-01得票数 0
回答已采纳
1回答
LSTM对序列预测很有帮助，因为它可以记住以前的上下文。在分类任务中使用它的理由是什么？特别是，他们将其用于以下任务：
大型电影评论数据集(通常称为IMDB数据集)包含25,000个高度极坐标的电影评论(好的或坏的)，用于培训和同样数量的测试。问题在于确定一个电影评论是正面的还是负面的。
换句话说，可以将分类问题从某种程度上归结为序列预测问题吗？
浏览 0提问于2019-06-05得票数 0
我知道(不断学习)变压器相对于LSTM的优势。
同时，我想知道从所需数据的大小、这两种技术的对比来看，假设我想为一项下游任务(例如，分类或NER )进行培训，在这种情况下，我需要更多的数据才能获得特定的结果(虽然我完全知道，我们从来没有预先知道我们需要多少数据)。
假设N%的结果(假设LSTM和BERT都可以达到阈值)，哪种体系结构(LSTM或BERT)将需要更大的数据集(无论大小如何，我都知道数据集大小依赖于任务并可能发生更改)。
BERT需要一个更大的数据集才能获得“好的结果”(经验观察可以帮助我)还是双向LSTM？
浏览 0提问于2021-08-05得票数 2
回答已采纳
我正在尝试绘图分类报告，但在我的问题中只有2个类(0和1)，当我调用分类报告时，他的输出是：
我的模型是一个带有Glove嵌入的情感分类的LSTM，这是一个架构：
Model: "sequential_6"
_________________________________________________________________
Layer (type) Output Shape Param #
=======================================================
浏览 0提问于2020-09-05得票数 0
我正在尝试建立一个编解码器网络来对视频数据进行分类。阅读用于LSTM单元的Keras文档时，它期望单元的time_step数量是固定的。然而，我正在处理的数据对于每个类别都有不同数量的帧。我认为我可以挑选出最长的一个，并用开始帧或最终帧填充其余的帧，但我认为模型会偏向于具有相似帧的模型。有没有一种方法可以将具有不同time_step的输入数据馈送到Keras中的LSTM单元中？我可以在序列的开头和结尾放置一个<start>和<end>令牌来告诉网络何时进行预测，但我不确定如何做到这一点。
任何帮助都将不胜感激，谢谢！
浏览 4提问于2019-03-17得票数 0
1回答
declare @t table([CH_FMT_ID] nvarchar(3),[CH_ISS_DT] date,[CH_RANK] int,[CH_TTL_ID] bigint)
INSERT INTO @t values
('HSI', '6/15/2002', 28, 397130),
('HSI', '6/8/2002', 24, 397130),
('HSI', '6/1/2002', 23, 397130),
('HSI', '5/25/2002
浏览 1提问于2018-01-25得票数 0
回答已采纳
2回答
我想为我的分类特性构建一个带有嵌入的单层LSTM模型。我目前有一些数字特征和一些分类特性，比如位置，这不能是一个热门的编码，例如，由于计算的复杂性而使用pd.get_dummies()，这是我最初打算做的。
让我们想象一个例子：
样本数据
data = {
'user_id': [1,1,1,1,2,2,3],
'time_on_page': [10,20,30,20,15,10,40],
'location': ['London','New York', 'London',
浏览 0提问于2018-10-03得票数 16
回答已采纳
2回答
#Loading of the .csv data from the Happy Planet Index and WHO, defining and clearing the data for RDF conversion.
hsi_data = pd.read_csv("HPI_Main.csv", sep=';')
hsi_data = hsi_data.replace(to_replace=[" ", "%"], value="", regex=True)
hsi_data = hsi_data.repl
浏览 25提问于2020-05-03得票数 0
回答已采纳
我在一个循环中生成了Forecast_2013到2022年的表，然后将所有数据集合并到一个表中。但是现在我想把数据集中在一个循环中，不管是多少年，下一年将是2023年或2024年.我不想手工地设置Forecast_2023;set forecast_2024。如何使用宏插入循环？
Data P_OT.FORECAST(DROP=td qq AGE1 AGE2 AGE3 AGE4 AGEBANDFCST020 AGEBANDFCST030 AGEBANDFCST035P
HSI1_2012 HSI1_2013 HSI1_2014 HSI1_2015 HSI1_2016 HSI1_20
浏览 1提问于2013-11-07得票数 0
回答已采纳
我想在Keras中实现https://arxiv.org/pdf/1503.00075中提出的用于情感分类的依赖树-lstm，但我不理解树结构是如何构建的。本文没有提到树的构建过程。模型本身是否以某种方式学会为每个文本输入数据构建树？在Keras中没有任何树lstm的Keras实现吗？
浏览 19提问于2019-10-06得票数 3
1回答
我有一个多类分类问题，我在python3.6中使用了keras & tensorflow。我基于本文中提到的“叠层 LSTM层(a)”实现了高精度的分类：。
有些事情是这样的：
model.add(LSTM(256,input_shape=(32, 15360), return_sequences=True))
model.add(LSTM(128), return_sequences=True)
model.add(LSTM(64), return_sequences=False)
model.add(Dense(6, activation='softmax'))
浏览 5提问于2021-01-20得票数 2
回答已采纳
1回答
我有一个多类分类的问题，我使用了一个简单的2层双向LSTM和角点。
该模型的形式很简单：
Bidirectional LSTM (64)
Bidirectional LSTM (64)
Dense (128)
Activation Sigmoid
Dense (14)
Activation Softmax
我有一个原始和扭曲的数据集，所以我正在做所有的预处理，以平衡它。
首先，我复制了原始数据，并生成了3*OriginalData，以生成更多未表示的类的示例。
然后我进行了分类，并在下面描述了训练和验证集的丢失和准确性历史。
📷
精确性是在25个年代之后建立起来的，但是损失有很大的变化，所以我
浏览 0提问于2020-02-24得票数 1
1回答
我是LSTM和Tensorflow的新手，我尝试使用LSTM模型来学习和分类我拥有的一些巨大的数据集。(我并不担心我打算学习的准确性)。我试图以类似于使用LSTM的PTB单词预测教程的方式实现该模型。教程()中的代码使用下面的行使用模型运行会话
cost, state, _ = session.run([m.cost, m.final_state, eval_op],
{m.input_data: x,
m.targets: y,
浏览 2提问于2016-04-29得票数 1
1回答
我需要使用HSI颜色空间更改照片的Gamma。我将RGB颜色空间更改为HSI颜色空间，并且知道我需要使用Gamma值来更改强度。但我不知道如何找到图像的伽马值，因为HSI只是色调，饱和度和强度。有人知道我怎么才能找到Gamma值吗？我在网上几乎找不到任何东西。
浏览 0提问于2012-09-23得票数 1
回答已采纳
我的数据集是一个大小为(M，t，N)的3D数组，其中M是样本的数量，t是序列中的时间步数，N是在时间t可能发生的事件的数量。通过选择一个特定的M，我们得到了一个大小为(t，N)的2D数组，其中每行是一个时间步，每列是一个事件。如果该事件发生在时间t，则每列设置为1，否则设置为0。在任何给定的时间步中只能发生一个事件。
我想尝试构建一个用于异常检测的自动编码器，在我读过的教程和博客中，最后一个激活层是'relu‘，损失函数是'mse’。但是，由于我正在尝试基本上重建一个具有N个类别的分类，那么'softmax‘作为最后一层和'categorical_crossen
浏览 2提问于2020-08-12得票数 0
3回答
我有用户的头像和时间序列数据(由这些用户产生的事件)。为了进行二分类，我编写了两个模型: LSTM和CNN，它们独立工作得很好。但我真正想要实现的是将这些模型连接起来。
下面是我的LSTM模型：
<code>A0</code>
CNN模型：
<code>A1</code>
以下是CNN的训练方式：
<code>A2</code>
将LSTM和CNN模型连接在一起的最佳方式是什么？
浏览 37提问于2019-03-31得票数 5
1回答
我需要开发一个计算机视觉算法，工作在色调饱和强度颜色空间，但OpenCV似乎只支持HSL和HSV。
除非OpenCV错误地将HSV标记为HSI或类似于我所看到的文档，否则它不支持它(没有CV_RGB2HSI或类似的枚举)。
我是否正确地认为，您不能使用cvtColor转换为HSI，而我必须实现自己的功能？
浏览 3提问于2014-11-09得票数 0
回答已采纳
1回答
我正试图建立一个LSTM模型来预测股票价格。我把数据分成训练和测试两部分。我使用model.fit内部的测试数据作为validation_data。之后，我将测试数据传递给model.predict()并生成预测。
我想知道，如果我使用model.fit()中的测试数据，如果我使用相同的数据来生成预测，是否会发生过度拟合？
我是否应该将原始数据分成3组:培训、验证和测试？验证数据将用于model.fit()，而测试数据将用于model.predict()。
样本代码：
model_lstm = Sequential()
model_lstm.add(LSTM(50, return_sequen
浏览 34提问于2022-07-05得票数 -1
回答已采纳
1回答
我在一个包含3630371个数据点和39个特征的语音数据中对语音和非语音进行分类。即语音数据的形状为(3630371，39)。如何将其重塑为LSTM输入。什么是3D input_shape，或者"Samples“、"Timestep”和“Feature”的值是什么。
下面的是正确的吗？
data.reshape(3630371, 1, 39)
LSTM(32, input_shape = (1, 39))
请帮帮我！毫无线索。
浏览 9提问于2019-07-17得票数 2
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
