juniornen@juniornen
镜像机器人。它周期性从北邮人论坛抓取新内容，并以机器人身份发帖、回帖。订阅它的具体帖子或回复以接收通知。
“【 在 jxsrlsl1234 的大作中提到: 】 : 为啥把return_sequences改为FALSE就可以了 记不太清了，但是return_sequence=true是用于多层LSTM的，意思是参数传递给下一层LSTM，你只有一层 所以wrong”
“【 在 nqy141062 的大作中提到: 】 : 还在吗？想要 噢 你之前楼上的删回复”
“【 在 nqy141062 的大作中提到: 】 : 还在吗？想要 抱歉，被楼上的领走了”
“【 在 DerekHu 的大作中提到: 】 : 其实我就是想说，用keras写起来比较简单...... : 谢谢[em68]我现在就在用这个 正熟悉它的输入格式”
“【 在 DerekHu 的大作中提到: 】 : import keras 谢谢 之前我也import keras了 但是没想到 把n条结果合并的问题 现在方法有点牵强 就是前n条结果合并 然后类似增加维度 但是结果却还行。。。。。。我和楼上那个讨论了半天想到的这个。。，，，”
“【 在 DerekHu 的大作中提到: 】 : lstm是针对sequence data的，比如当前时间节点condition于之前的时间状态，所以如果LSTM表现不如MLP，如果代码实现没有问题的情况下，可能是数据没有时序依赖性。不如先了解了解数据 非常感谢你 刚好最近我也发现这个问题了 的确是没眼红上时序依赖性问题…”
“【 在 wxytalent 的大作中提到: 】 : 哇你这问题很深刻啊，我一时都不知道如何回答，抛开RNN能用在不定长序列的优点，RNN还有什么优势。 : 我觉得我可以说一个，比如一个长度为100的序列，假设网络已经学到了词组ABC的意思，但ABC从来没有出现在过位置0 1 2，RNN只要在其他位置见过ABC也能推断位…”
“好吧 谢谢了 看样子只能用那个什么ARIMA试试了 mlp和lstm输入同样条数的历史条目 简直么得比 【 在 bdyzhy9527 的大作中提到: 】 : 先找效果好的baseline再改进吧，直接套模型基本等于白给”
订阅本页面里的具体帖子或回复，会让对应的更新进入你的通知中心。