我的主页

基于LSTM的股票预测

问题分析 分类 作为分类问题如果预测涨但是涨了0.1，但是某次预测涨结果跌了0.9，这一次的预测失误导致全部赔光了。 这样是不可以接受的，作为分类问题很难考虑到涨跌的实际值是多少。 回归 作为回归问题如果预测股票的走势，在理论上是可行的但是，当预测为某个值时，此时实际值要高于这个值 这样的结果是可以接受的，因为相当于多赚了，但是电脑认为实际值与预测值有差距所以会因为这个调整参数 矛...

Posted by 高庆东 on November 23, 2018

CNN+强化学习

DQN网络结构 要求的输入数据是序列化的数据，对于cnn网络一张灰度图像是一个帧 ，同时输入4帧灰度图像既为4帧序列的cnn网络，（cnn网络的序列化） 第一层输入图像大小是84844 ，需要滤波器32个大小是88步长是4。 第二层的输入是202032，需要的滤波器是64个 大小是44步长是 2。第三层网络的输入是9964，滤波器是64个大小是3*3步长是1 最后两层是全联接层，分别是51...

Posted by 高庆东 on November 22, 2018

Q-learning算法

强化学习 核心是两个矩阵 Q和两个矩阵的维度相同，R矩阵表示表示可以每个动作 和状态的矩阵，Q矩阵表示每个动作下学习到的经验。 Agent表示具备行为能力的物体 Action表示物体可以的动作，动作从动作集中选择，动作集影响任务求解 Reward表示agent执行了动作影响了环境，环境变化的用reward表示 Q的迭代计算中是需要下一个Q值的，实际上不可能知道下一个Q值所以 再迭代...

Posted by 高庆东 on November 20, 2018

tensorflow中的注意事项

创建一个算法主要有几个步骤 1创建变量 （创建所有可能的变量，需要根据任务的不同创建不同的大小形状的变量） 2定义损失函数（定义一个可以计算的损失函数，可以根据自己的需求创建不同计算方法的损失函数） 3 创建学习方法（这个方法就是，如何学习权重，学习率是多少，要求损失函数的最小值） 4初始化参数（要初始化所有创建的参数，变量） 5启动图，（session，可以输出参数的值和变量的变...

Posted by 高庆东 on November 16, 2018

RNN+softmax构成的ctc算法

解决的问题 时序数据的分类问题 传统时序训练数据数据需要做对齐处理，这个工作耗时费力 本文提出的方法是不需要做数据对齐的 在RNN网络末尾加上CTC层 可以实现不等长的标签训练模型 实现 首先在RNN网络最后 一层是softmax层这层除了标签数据外加一个空格输出 结合前后向算法设置一个合理的损失函数，CTC本质是一个损失函数的创意 评价函数 这个函数是用来评价模型的性能 E...

Posted by 高庆东 on November 12, 2018

tensorflow学习(5)参数存取

参数存取 需要注意的的是保存的是所有变量取的也是所有变量 取的时候一定要按存的顺去来取 这个涉及到fintune问题 import tensorflow as tf import numpy as np # 保存参数 w=tf.Variable([[1,2,3],[4,5,6]],dtype=tf.float32,name="weight") b=tf.Variable([[1,2,3...

Posted by 高庆东 on September 6, 2018

tensorflow学习(4)卷积网络

实现一个简单的卷积神经网络 import tensorflow as tf import numpy as np from tensorflow.examples.tutorials.mnist import input_data mnist=input_data.read_data_sets('MNIST_data',one_hot=True) #导入手写数字数据集 def weigh...

Posted by 高庆东 on September 1, 2018

SVM,随机森林，k均值，贝叶斯

白话常用算法 决策树 有一堆数据数据有标签有特征，首先计算每类特征的熵值，根据相对熵 或者基尼系数再或者熵来做树节点的选择，再设定分叉的条件，最终每个 特征可能都会构成一层，直到所有特征选择完成，一棵决策树就生成了 贼鸡儿容易过拟合，基本没泛华能力。使用的时候就是，有条数据过来了 首先把数据的特定特征输入到树的根节点，决策判断输出一个结果，再把 数据的另一个特定特征输入到下一个节...

Posted by 高庆东 on August 10, 2018

tensorflow学习(3)神经网络

创建简单的神经网络算法模型 import tensorflow as tf import numpy as np #定义一层网络（就是定义一层网络权重矩阵和偏置向量） def layer_(inputs,insize,outsize,af=None): #af是激活函数， weight=tf.Variable(tf.random_normal([insize,outsize])...

Posted by 高庆东 on August 5, 2018

tensorflow学习(2)线性回归

线性回归 整个工作过程是 1创建需要拟合的数据 2创建需要学习的变量（变量是学习出来的） 3设置预测函数，如何输出回归结果 4创建损失函数 5创建学习算法 6创建最优化的方法 7初始化所有的变量和整个图 8启动图 import tensorflow as tf import numpy as np x_data=np.random.rand(100).astype(n...

Posted by 高庆东 on August 4, 2018

FEATURED TAGS
c语言 c++ 面向对象 指针 容器 python 函数 数据结构 回归 损失函数 神经网络 机器学习 似然函数 极大似然 标准化 深度学习 卷积网络 参数估计 beta分布 数据处理 gradio 模型工程化 网页 模型加速工具 c++实现 变量 占位符 tensorflow 线性回归 学习tensorflow HMM RNN 强化学习 LSTM pandas 不定长序列损失 pytorch 目标检测 RPN 非极大值抑制 ROIpooling VGG16 Transformer BERT Python 装饰器 方法 Pytorch FPN 图像分类 CNN 多模态 生成 GPT Tranformer 生成模型 audio
ABOUT ME

get busy living or get busy dying!

✉️ 986285044@qq.com