나는 딥 러닝 분야에서 새로운 것이었고 첫 번째 단계는 deeplearning.net 사이트에서 흥미로운 기사를 읽는 것이 었습니다. 딥 러닝에 관한 논문에서 Hinton과 다른 사람들은 대부분 이미지 문제에 적용하는 것에 대해 이야기합니다. 누군가 내게 대답하려고 할 때 시계열 값 (재무, 인터넷 트래픽 등)을 예측하는 문제에 적용 할 수 있습니까? 가능한 경우 집중해야 할 중요한 사항은 무엇입니까?
나는 딥 러닝 분야에서 새로운 것이었고 첫 번째 단계는 deeplearning.net 사이트에서 흥미로운 기사를 읽는 것이 었습니다. 딥 러닝에 관한 논문에서 Hinton과 다른 사람들은 대부분 이미지 문제에 적용하는 것에 대해 이야기합니다. 누군가 내게 대답하려고 할 때 시계열 값 (재무, 인터넷 트래픽 등)을 예측하는 문제에 적용 할 수 있습니까? 가능한 경우 집중해야 할 중요한 사항은 무엇입니까?
답변:
순차적 데이터에 대한 딥 러닝 방법을 적응시키는 작업이 진행되었습니다. 이 작업의 많은 부분은 RBM (제한된 볼트 볼트 머신) 또는 오토 인코더와 유사한 방식으로 쌓여 깊은 신경망을 형성 할 수있는 "모듈"개발에 중점을 두었습니다. 아래에서 몇 가지를 강조하겠습니다.
예, 시계열 예측에 딥 러닝을 적용 할 수 있습니다. 실제로, 예를 들어 이미 여러 차례 수행되었습니다.
이것은 실제로는 "특별한 사례"가 아니며, 딥 러닝은 주로 전처리 방법 (생성 모델 기반)에 관한 것이므로 "전통적인 의미"에서 하나의 딥 러닝을 할 때 집중하는 것과 똑같은 것에 집중해야합니다. 딥 러닝없이 시계열 예측을 수행하는 동안 집중할 수 있습니다.
Recurrent Neural Networks를 사용한 Alex Graves의 시퀀스 생성 은 반복 네트워크 및 장기 단기 메모리 셀을 사용하여 텍스트를 예측하고 필기 합성을 수행합니다.
Andrej Karpathy는 처음부터 문자 수준 시퀀스를 생성 하는 방법에 대한 블로그를 작성했습니다 . 그는 자습서에서 RNN을 사용합니다.
더 많은 예를 보려면 Hochreiter, S. 및 Schmidhuber, J. (1997)를 참조하십시오. 장기 단기 기억. 신경 계산, 9 (8), 1735-1780.
아마도 이것이 도움이 될 것입니다 :
이 백서 또는 문장의 문장과 같은 데이터에 정확한 시간 범위를 정의한 경우 LSTM을 사용해도 문제가되지 않지만 명확하지 않고 상황을 잘 인식하는 시간 범위를 찾는 방법을 잘 모르겠습니다. 이에 대한 예는 사용자가보고있는 로그 데이터의 수와 관련이 있으며 분명하지 않습니다.