Notice
Recent Posts
Recent Comments
Link
160x600
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | ||
6 | 7 | 8 | 9 | 10 | 11 | 12 |
13 | 14 | 15 | 16 | 17 | 18 | 19 |
20 | 21 | 22 | 23 | 24 | 25 | 26 |
27 | 28 | 29 | 30 | 31 |
Tags
- Deep Learning
- MariaDB
- python
- 머신러닝
- 데이터 가공
- 예측
- 파싱 오류
- 정확도
- 딥러닝
- 훈련
- 데이터베이스
- Oracle
- tensorflow
- 오라클
- 데이터 수집
- 데이터
- 시각화
- 데이터전처리
- python기초
- DB
- keras
- HeidiSQL
- sklearn
- pythone
- Database
- pandas
- sql
- 데이터 분석
- 회귀모델
- 해석
Archives
- Today
- Total
목록LSTM 연결 (1)
코딩헤딩

- 긴 문장(시퀀스)을 학습하기 어려움 - 시퀀스가 길 수록 초반의 정보는 점진적으로 희석(소멸) 즉, 멀리 떨어져 있는 단어의 정보를 인식하는데 어려움이 있음. - 이러한 단점을 보완한 모델이 LSTM과 GRU - 단기기억을 오래 기억할 수 있도록 고안된 모델 - 많은 이전 정보를 기억해야 하기 때문에 훈련속도가 느리며, 시스템 저장 공간이 많이 필요함 - LSTM의 느린 속도를 개선하기 위해 고안된 모델 - 성능은 LSTM과 유사함 ** SimpleRNN, SLTM, GRU 모두 RMSprop 옵티마이저를 일반적으로 사용함. * 사용 라이브러리 정의 import tensorflow as tf from tensorflow import keras ### 영화 감상평에 대한 긍정/부정 데이터셋 from t..
머신러닝 | 딥러닝
2024. 1. 8. 23:55