递归神经网络(RNN)是神经网络的一种。单纯的RNN因为无法处理随着递归,权重指数级爆炸或梯度消失问题,难以捕捉长期时间关联;而结合不同的LSTM可以很好解决这个问题。 时间递归神经网络可以描述动态时间行为,因为和前馈神经网络(feedforward neural network)接受较特定结构的输入不同,RNN将状态在自身网络中循环传递,因此可以接受更广泛的时间序列结构输入。手写识别是最早成功利用RNN的研究结果。

VIP内容

题目: Complex Sequential Data Analysis: A Systematic Literature Review of Existing Algorithms

摘要:

本文回顾了过去使用深度学习框架分析离散不规则模式的复杂顺序数据集的方法。这种数据集的典型示例是金融数据,其中特定事件触发了数据序列中的突然不规则变化。传统的深度学习方法在分析这些数据集时表现不佳甚至失败。系统的文献综述的结果揭示了基于递归神经网络的框架的主导地位。 发现主要使用平均绝对误差和均方根误差准确性度量来评估深度学习框架的性能。所确定的潜在挑战是:缺乏性能稳健性,方法的不透明性,内部和外部体系结构设计和配置问题。这些挑战为改进复杂的不规则图案的顺序数据集的框架提供了机会。

成为VIP会员查看完整内容
0
19
Top