Уведомления

Группа в Telegram: присоединиться
  • Начало
  • » Data Mining
  • » Решение задачи регрессии с помощью рекуррентной нейронной сети [RSS Feed]

#1 Март 22, 2020 17:56:48

Volodya
Зарегистрирован: 2020-02-13
Сообщения: 21
Репутация: +  0  -
Профиль   Отправить e-mail  

Решение задачи регрессии с помощью рекуррентной нейронной сети

Здравствуйте, ребята!

Скажите, существуют ли модели рекуррентных нейронных сетей для решения задачи регрессии?

Дело в том, что у меня показатель, который я пытаюсь предсказать (Y), не сразу реагирует на изменения факторов влияющих на него (X1, X2, X3, …), а спустя некоторое время (спустя несколько обучающих наборов). Поэтому я подумал, что рекуррентная нейронная сеть сможет “заглядывать на несколько наборов вперед”, это на подобие учета контекста при анализе текста.
Если не прав, то поправьте меня пожалуйста!

Отредактировано Volodya (Март 22, 2020 17:57:58)

Офлайн

#2 Март 22, 2020 20:29:56

doza_and
От:
Зарегистрирован: 2010-08-15
Сообщения: 3598
Репутация: +  209  -
Профиль   Отправить e-mail  

Решение задачи регрессии с помощью рекуррентной нейронной сети

Volodya
Скажите, существуют ли модели рекуррентных нейронных сетей
На таком уровне разницы между регрессией и нейронной сетью нет. Просто чуть разная терминология для одинаковых вещей. Если умеете пользоваться регрессией, то нет смысла осваивать новое поле. Добавьте в факторы несколько приращений с шага на шаг.



Офлайн

#3 Март 23, 2020 11:01:04

Volodya
Зарегистрирован: 2020-02-13
Сообщения: 21
Репутация: +  0  -
Профиль   Отправить e-mail  

Решение задачи регрессии с помощью рекуррентной нейронной сети

doza_and
Добавьте в факторы несколько приращений с шага на шаг.
Не понял, что вы имеете в виду, объясните пожалуйста по подробнее

Офлайн

#4 Март 23, 2020 21:33:29

doza_and
От:
Зарегистрирован: 2010-08-15
Сообщения: 3598
Репутация: +  209  -
Профиль   Отправить e-mail  

Решение задачи регрессии с помощью рекуррентной нейронной сети

насколько я понял есть вектор факторов меняющийся во времени или в зависимости от номера обучающей последовательности.

Обозначим факторы \vec{X}_i (латеховая нотация) где i номер набора. i=0 для текущего i=1 для предидущего и т.д. Если есть подозрение что предистория влияет на точность предсказаний то пробуем fit

 Y=FIT(\vec{X}_0,\vec{X}_1,...)
Это позволит описать зависимость например как решение линейного разностного уравнения.



Офлайн

  • Начало
  • » Data Mining
  • » Решение задачи регрессии с помощью рекуррентной нейронной сети [RSS Feed]

Board footer

Модераторировать

Powered by DjangoBB

Lo-Fi Version