lstm神经网络期货价格

㈠ LSTM神经网络输入输出究竟是怎样的

每个时刻的输入都是一个向量，它的长度是输入层神经元的个数。在你的问题中，这个向量就是embedding向量。它的长度与时间步的个数（即句子的长度）没有关系。
每个时刻的输出是一个概率分布向量，其中最大值的下标决定了输出哪个词。

㈡ lstm神经网络输入输出究竟是怎样的

LSTM的三个门输出数字和向量的情况都有。门（input，forget，output）输出的维度和cell状态的维度一致即可。也就是说三个门的输出分别控制被控制向量（cell input，cell（t-1），cell（t））中的元素。举个例子，如果cell状态的维度是1，那么被控制向量（cell input，cell（t-1），cell（t））的维度也都是1，那么三个门的输出都是0-1之间的数字（选用sigmoid激活函数）；如果cell状态的维度是N，那么被控制向量（cell input，cell（t-1），cell（t））的维度也分别都是N，那么三个门的输出都是0-1之间的向量（选用sigmoid激活函数），且门输出向量的维度都是N。

㈢ 问一下大家神经网络算法有多少种啊，说能科普一下啊

神经网络就是一种算法，只是说比较大，属于大型算法。里面有一些协助的小算法，比如bp，rnn，lstm 属于神经网络结构。
这个没几个月说不清楚的

㈣ LSTM神经网络输入输出究竟是怎样的

关于如何输入的问题，LSTM是一个序列模型，对于输入数据也是一个序列，LSTM每个时间步处理的是序列中一个时刻的输入，比如你当前输入是一个汉字“我”，因为模型只能接受的是数值向量，因此需要embedding，“我”就需要变成了一个向量，假如是[0.1,0.8,3.2,4.3]（通过wordembedding技术获得），这里向量维度是4，那么就需要4个神经元去接收向量中的每个元素，而这四个神经元就构成了当前时刻的LSTMUnit，其他时刻也是这样，从而完成输入。因此就可以知道输入层神经元（LSTMunit中神经元数）的个数等于词向量的size。

㈤ LSTM神经网络有推理能力吗

首先推理是用以知来解读未知，在用证据来加强对未知答案的确定，这个事情就是这么发展的 ，而不是像1+1就是等于2这样肯定，想要肯定只能是用相关的线索来加强确定， 而LSTM神经网路的性质就是，1+1就是等于2，这样楼主能理解吗？也就是说它是不含推理能力的。

㈥ LSTM神经网络中，time step和batch size有什么关系吗

神经网络似乎没有步长的说法，你指的是net.trainParam.show？net.trainParam.show是指显示训练迭代过程n个周期后显示一下收敛曲线的变化。
在定义了网络之后，train训练函数之前，加上下面两个语句：
net.trainParam.showWindow = false;
net.trainParam.showCommandLine = false;
亲测不会弹出提示。
这样使得我们能在较长时间的训练中，腾出电脑去做别的事。否则窗口会不停弹出来，影响使用。

㈦ lstm神经网络属不属于深度学习领域

属于。
lstm是RNN的进阶。

㈧ 用Python和Keras做LSTM神经网络普通电脑可以吗

你好，如果数据量不大的话，普通电脑可以的。如果数据量很大，建议使用云计算资源。
望采纳。

㈨ LSTM timestep设为1是不是就和普通BP神经网络做时间序列预测没有区别

可以先根据经验设置一个目标维度 降维后 计算降维后的相关系数矩阵 并绘制heatmap 将相关系数在指定阈值以上的特征丢掉 再次降维 反复进行
也可以降到目标维度后 向三维或者二维做投影 借助人类视觉 选择合适的

㈩ 请教用人工神经网络进行股票预测在weka

预测股票可不是有以往股票数据就能的，要考虑因果性，现实事件与股票波动有因果性，也就是时序性。在这情况下有LSTM单元组成循环神经网络可以做到，但训练集的强度跟体积可是很大的，这需要注意。