目次
背景
要約
LSTM の基本定義 LSTM
実装の手順
長期および短期ニューラル ネットワーク LSTM に基づく変位モニタリング
完全なコード: https://download.csdn.net/download/abc991835105/88098131
効果図
結果分析の
見通し
参考論文
背面図
経路追跡予測は自動飛行運転の実現に非常に重要です. 長期および短期ニューラル ネットワークは改良された RNN ニューラル ネットワークであり, 勾配爆発の問題を克服します. 基礎ピットの変位も時間です. LSTM ニューラル ネットワークによって実行される系列データ 予測、高精度の
抽象
LSTM 原理、MATALB プログラミングの長期および短期ニューラル ネットワーク LSTM 変位モニタリング。
LSTMの基本定義
LSTM は、LSTM ブロック (ブロック) などを含むニューラル ネットワークの一種です。文献やその他の資料では、LSTM ブロックは、無期限の長さの値を記憶できるため、インテリジェント ネットワーク ユニットとして説明される場合があります。ゲートがあります。入力が記憶に残るほど重要であるかどうか、また出力できるかどうかを判断できます。
図 1 の下に 4 つの S 関数ユニットがありますが、一番左の関数は状況に応じてブロックの入力となることがあり、右側の 3 つはゲートを通過して入力がブロックに渡せるかどうかを判断します。左から 2 番目は入力ゲートです。ここでの出力が同様の場合、ゼロの場合、ここの値はブロックされ、次の層に入りません。左から 3 番目は忘却ゲートで、これがゼロに近い値を生成すると、ブロックに記憶されている値は忘れられます。4 番目の右端の入力は出力ゲートで、ブロック メモリ内の入力を出力できるかどうかを決定できます。
図 1 LSTM モデル
図 1 LSTM モデル
LSTM には多くのバージョンがありますが、重要なバージョンの 1 つは GRU (Gated Recurrent Unit) です。