教你用深度学习LSTM网络预测流行音乐趋势(附代码)

  1. 云栖社区>
  2. 数据派THU>
  3. 博客>
  4. 正文

教你用深度学习LSTM网络预测流行音乐趋势(附代码)

技术小能手 2017-12-12 09:58:33 浏览4842
展开阅读全文

一、 LSTM网络原理


1.1 要点介绍

  • LSTM网络用来处理带“序列”(sequence)性质的数据。比如时间序列的数据,像每天的股价走势情况,机械振动信号的时域波形,以及类似于自然语言这种本身带有顺序性质的由有序单词组合的数据。 
  • LSTM本身不是一个独立存在的网络结构,只是整个神经网络的一部分,即由LSTM结构取代原始网络中的隐层单元部分。 
  • LSTM网络具有“记忆性”。其原因在于不同“时间点”之间的网络存在连接,而不是单个时间点处的网络存在前馈或者反馈。如下图2中的LSTM单元(隐层单元)所示。图3是不同时刻情况下的网络展开图。图中虚线连接代表时刻,“本身的网络”结构连接用实线表示。 

a0284214d814d64ddf6a20c48ab873d043c439f3

1.2 LSTM单元结构图 

图4,5是现在比较常用的LSTM单元结构示意图: 

039281d69ad4595eb104fc0a14a8a6947941fd88

其主要结构成分包含如下: 

  • 输入节点input node:接受上一时刻隐












网友评论

登录后评论
0/500
评论
技术小能手
+ 关注
所属云栖号: 数据派THU