lstm

HZZD_HZZD1 小时前
人工智能·pytorch·lstm
非侵入式负荷监测选`Seq2Point`还是`LSTM`？合众致达实测：洗衣机分解F1达0.87、`NDE`误差降27%，附PyTorch完整实现本文为合众致达2026年在公寓用电安全场景下的非侵入式负荷分解（NILM）深度学习实践总结。基于UK-DALE公开数据集与自采1Hz总表数据，对比Seq2Point与Seq2Seq-LSTM两种模型：洗衣机分解任务上Seq2Point的F1达0.87、MAE降至6.8W，NDE较LSTM降低27%。文内含Seq2Point的PyTorch完整实现、训练循环、四项NILM指标计算与边缘部署踩坑备忘。
技术小黑19 小时前
rnn·算法·lstm
RNN算法实战系列06 | LSTM 实现糖尿病探索与预测学习目标最终结果：优化后测试准确率稳定在 80% 以上卡号性别年龄高密度脂蛋白胆固醇低密度脂蛋白胆固醇
机器学习之心20 小时前
lstm·kmeans·聚类·多输出回归
分而治之：K-means 聚类 + LSTM 的多输出回归实战一个输入向量，同时预测 7 个目标量——机器人动力学里最常见的难题，被一条"先聚类、后建模"的朴素思路拆解得异常清爽。本文结合一份完整的 MATLAB 工程，把研究背景、算法步骤、公式原理、参数设定与实验结果讲透。
Tasiorh3 天前
rnn·lstm·动态规划
《基于LSTM-RNN-CBAM模型和动态规划模型的交易策略》这篇论文的深度学习部分，本质是一个端到端的回归预测模型：输入过去 20 天的数据，输出第 21 天的收盘价。但它的网络结构不是简单的“LSTM 堆叠”，而是一个 CNN-LSTM-CBAM 三级串行流水线。
焱童鞋5 天前
人工智能·rnn·lstm
基于DJL的LSTM水文预报模型训练完整指南基于DJL的LSTM水文预报模型训练完整指南在Java生态中做深度学习，DJL（Deep Java Library）是目前最成熟的选择。本文将以一个实际的水文预报项目为背景，详细讲解如何使用DJL在Java中训练LSTM模型，并分享在RTX 3050（6GB显存）上训练时遇到的性能瓶颈及优化方案。
阿图灵6 天前
人工智能·深度学习·分类·nlp·lstm·情感分类
基于 LSTM 的中文电商评论情感分类：从数据处理到 91% 准确率实战项目地址（Gitee）：https://gitee.com/Touari/lstm_sentiment_2class.git 本文整合自项目《构建文档》与《技术文档》，既讲复现步骤，也讲设计原理。
在学了加油8 天前
人工智能·rnn·lstm
LSTM-糖尿病预测模型优化探索在构建神经网络前，首先借助 pandas.DataFrame.corr() 方法计算特征间的相关系数，并利用可视化工具绘制热力图。这一步提供了极佳的全局视野，帮助我们直观评估各项生理指标与预测目标（是否患糖尿病）之间的数学关联强度。
Lee_jerome12 天前
深度学习·numpy·lstm·参数量·sigmoid·tanh·门控机制
python神经网络编程入门（二十）——RNN LSTM 数学原理与结构拆解上一篇用"传送带 + 收费站"的比喻建立了 LSTM 的整体直觉：细胞状态 ctc_tct 是高速公路，三个门（遗忘门、输入门、输出门）是收费站。R-N-N 在 30 步后梯度归零，而 L-S-T-M 在 50 步后还剩 7.7%——差距一目了然。
在学了加油15 天前
人工智能·rnn·lstm
LSTM-糖尿病探索与预测1. 数据的“减法”哲学 (特征筛选) 在送入模型前，对数据进行“断舍离”至关重要。本周学习了如何使用Pandas的drop函数，果断剔除与预测目标无关（如“卡号”）或存在明显负相关的特征。这种“减法”可以有效减少网络学习过程中的噪音干扰，让模型把算力集中在真正重要的生理指标上。
遥感知识服务17 天前
rnn·gru·lstm
RNN、LSTM、GRU小白入门：Windows一键运行时间序列预测一句话读懂： 给模型过去36个时刻的数据，让它预测下一个时刻；分别使用RNN、LSTM和GRU训练，再用同一测试集比较预测曲线、RMSE、MAE和R²。本文不下载股票数据，不配置旧版TensorFlow，解压后双击脚本即可运行。
xx_xxxxx_17 天前
人工智能·pytorch·rnn·lstm
AI基本结构12-lstm实现nlp之前的深度循环神经网络CharRNNBatch虽然采用了两层 RNN，并引入了 LayerNorm 和 Dropout 提高训练稳定性，但其本质仍然是普通 RNN，因此仍然存在明显的短期记忆（Short-term Memory）问题，难以有效学习长距离依赖关系。
不懒不懒19 天前
深度学习·cnn·lstm
路面类型识别 — CNN-LSTM 完整流程：基于车辆振动数据的端到端深度学习本项目基于六分力传感器采集的车辆振动数据（x/y/z 三轴加速度），使用 CNN-LSTM 深度学习框架实现路面类型识别，能够准确区分沥青路面和湿滑路面。
海海不掉头发22 天前
pytorch·rnn·lstm
【PyTorch 实战】基于 RNN/LSTM/GRU 的全球人名国籍分类器（通俗拆解 + 逐行详解）】别慌，刚接触循环神经网络（RNN）和字符级 NLP 任务时，被各种张量维度（Tensor Shape）、隐藏状态（Hidden State）和 One-Hot 编码绕晕是非常正常的！
技术小黑23 天前
rnn·深度学习·lstm·tensorflow2
RNN算法实战系列04 | LSTM火灾温度预测本次任务若未安装 TensorFlow:pip install tensorflow若当前目录下没有该文件,会自动生成一份模拟火灾数据以保证流程可完整跑通;放上真实数据后无需改动代码。
m沐沐1 个月前
人工智能·pytorch·深度学习·神经网络·lstm
【深度学习】深入理解长短期记忆网络 LSTMLSTM 网络，全称为长短期记忆网络（Long Short‑Term Memory），是循环神经网络（RNN）的一种经典变体。它的大部分基础架构与标准 RNN 一致，但通过重新设计隐状态 h 的更新方式，有效缓解了传统 RNN 在处理长序列时容易出现的梯度弥散或梯度激增问题。LSTM 的核心创新在于引入了带自循环的“细胞状态”通道，使得信息能够在时间步之间选择性地持续传递或被舍弃，从而具备捕捉远距离时序依赖关系的能力。
Tbisnic1 个月前
人工智能·python·rnn·gru·大模型·llm·lstm
26.AI大模型：RNN、LSTM、GRU在自然语言处理、时序预测、语音识别领域，序列依赖是绕不开的核心问题。普通全连接网络、CNN 只能处理固定长度、无先后关联的数据，无法感知文本语序、时间先后带来的语义变化。 而 RNN 及其衍生变体 LSTM、GRU，通过内置记忆传递机制，专门建模有序序列的上下文关联。本文从零拆解整套体系，无 PPT 原图、无工程代码，纯原理 + 逻辑梳理，新手也能建立完整知识框架。
专注于ai算法的踩坑小达人1 个月前
算法·lstm
时序预测主流模型综述1. 研究概述2. 时序模型整体发展脉络3. 传统统计时序模型4. 机器学习时序模型5. 经典深度学习时序模型
机器学习之心1 个月前
回归·cnn·lstm
基于GA-CNN-LSTM的多输出回归预测与SHAP可解释性分析当深度学习遇上群体智能优化，当"黑箱模型"遇上博弈论解释——一次从模型优化到特征溯源的完整技术实践。在工程实践中，回归预测任务普遍面临三大核心挑战：模型结构选择困难、多输出耦合复杂、以及模型可解释性缺失。
技术小黑1 个月前
人工智能·pytorch·rnn·深度学习·lstm
RNN算法实战系列02 | 医疗成本预测（LSTM 回归）基于患者的人口统计信息、生活习惯、医疗状况、医疗保险等 19 个特征，预测其年度医疗费用（annual_medical_cost），这是一个典型的回归任务。
dozenyaoyida1 个月前
人工智能·stm32·lstm
LSTM 自编码器原理详解：从三门结构到 STM32 端侧异常检测落地产线上几十台电机日夜转着。某天一台轴承开始磨损，振动波形悄悄变了样，变化很细微，人眼盯示波器根本看不过来。等它彻底抱轴停机，一小时停产损失就是几万块。