欢迎光临
我们一直在努力

程序员什么是用于时间序列预测的最佳激活函数 – python

程序员面试经验

我使用的是Keras的序列模型,具有DENSE层类型。我编写了一个递归计算预测的函数,但是预测远未完成。我想知道什么是用于数据的最佳激活功能。目前,我正在使用hard_sigmoid函数。输出数据值的范围为5到25。输入数据的形状为(6,1),输出数据为单个值。当我绘制预测时,它们永远不会减少。感谢您的帮助!!

# create and fit Multilayer Perceptron model model = Sequential(); model.add(Dense(20, input_dim=look_back, activation='hard_sigmoid')) model.add(Dense(16, activation='hard_sigmoid')) model.add(Dense(1)) model.compile(loss='mean_squared_error', optimizer='adam') model.fit(trainX, trainY, epochs=200, batch_size=2, verbose=0)  #function to predict using predicted values numOfPredictions = 96;  for i in range(numOfPredictions):     temp = [[origAndPredictions[i,0],origAndPredictions[i,1],origAndPredictions[i,2],origAndPredictions[i,3],origAndPredictions[i,4],origAndPredictions[i,5]]]     temp = numpy.array(temp)     temp1 = model.predict(temp)        predictions = numpy.append(predictions, temp1, axis=0)     temp2 = []     temp2 = [[origAndPredictions[i,1],origAndPredictions[i,2],origAndPredictions[i,3],origAndPredictions[i,4],origAndPredictions[i,5],predictions[i,0]]]     temp2 = numpy.array(temp2)     origAndPredictions = numpy.vstack((origAndPredictions, temp2)) 

什么是用于时间序列预测的最佳激活函数 - python
更新:
我使用此代码实现了swish。

from keras.backend import sigmoid def swish1(x, beta = 1):     return (x * sigmoid(beta * x)) def swish2(x, beta = 1):     return (x * sigmoid(beta * x)) from keras.utils.generic_utils import get_custom_objects from keras.layers import Activation get_custom_objects().update({'swish': Activation(swish)})  model.add(Activation(custom_activation,name = "swish1")) 

什么是用于时间序列预测的最佳激活函数 - python
更新:
使用此代码:

from keras.backend import sigmoid from keras import backend as K def swish1(x):         return (K.sigmoid(x) * x) def swish2(x):         return (K.sigmoid(x) * x) 

什么是用于时间序列预测的最佳激活函数 - python
感谢所有的帮助!

参考方案

尽管没有最佳的激活功能,但我发现Swish对于时间序列问题特别有效。 AFAIK keras不提供内置的Swish,您可以使用:

from keras.utils.generic_utils import get_custom_objects from keras import backend as K from keras.layers import Activation  def custom_activation(x, beta = 1):         return (K.sigmoid(beta * x) * x)  get_custom_objects().update({'custom_activation': Activation(custom_activation)}) 

然后在模型中使用它:

model.add(Activation(custom_activation,name = "Swish")) 

Keras:ModelCheckpoint保存到变量而不是文件? – python

我想针对X个时期训练我的模型,并以最小的验证错误获得最佳结果。我发现的解决方案是使用ModelCheckpoint回调,如果当前纪元的结果更好,则可以将其配置为覆盖模型保存。但是,在最坏的情况下,这意味着在每个时期都将模型写入硬盘驱动器,这会产生巨大的时间开销。是否可以将模型保存到变量中,所以我只需要保存一次?还是我可以做另一种优化? 参考方案 根据save…

Python GPU资源利用 – python

我有一个Python脚本在某些深度学习模型上运行推理。有什么办法可以找出GPU资源的利用率水平?例如,使用着色器,float16乘法器等。我似乎在网上找不到太多有关这些GPU资源的文档。谢谢! 参考方案 您可以尝试在像Renderdoc这样的GPU分析器中运行pyxthon应用程序。它将分析您的跑步情况。您将能够获得有关已使用资源,已用缓冲区,不同渲染状态上…

Python sqlite3数据库已锁定 – python

我在Windows上使用Python 3和sqlite3。我正在开发一个使用数据库存储联系人的小型应用程序。我注意到,如果应用程序被强制关闭(通过错误或通过任务管理器结束),则会收到sqlite3错误(sqlite3.OperationalError:数据库已锁定)。我想这是因为在应用程序关闭之前,我没有正确关闭数据库连接。我已经试过了: connectio…

Keras Tensorboard用于DQN强化学习 – python

我正在使用keras构建DQN,并使用具有经验重播记忆的经典DQN算法对其进行训练。由于在dqn中需要多次调用model.fit,这意味着每次从重播内存中采样批数据时,使用keras的model.fit( …. callbacks=TensorBoard(…))时,每次拟合都会生成新的事件日志文件。它会产生两个问题,首先,它会生成过于笨拙的事件日志文…

python:ConfigParser对象,然后再阅读一次 – python

场景:我有一个配置文件,其中包含要执行的自动化测试的列表。这些测试是长期循环执行的。   配置文件的设计方式使ConfigParser可以读取它。由于有两个三个参数,因此我需要通过每个测试。现在,此配置文件由script(s1)调用,并且按照配置文件中的列表执行测试。Script(s1)第一次读取配置,并且在每次测试完成后都会执行。阅读两次的要求:由于可能会…

赞(0)
未经允许不得转载: 京大飞辅助网程序员面试-区块链javago面经 » 程序员什么是用于时间序列预测的最佳激活函数 – python

相关推荐

评论 抢沙发

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址