LSTM实现股票预测
1、传统RNN的缺点
RNN 面临的较大问题是无法解决长跨度依赖问题,即后面节点相对于跨度很大的前面时间节点的信息感知能力太弱。如下图中的两句话:左上角的句子中 sky 可以由较短跨度的词预测出来,而右下角句子中的 French 与较长跨度之前的 France 有关系,即长跨度依赖,比较难预测。
图片来源:https://www.jianshu.com/p/9dc9f41f0b29
长跨度依赖的根本问题在于,多阶段的反向传播后会导致梯度消失、梯度爆炸。可以使用梯度截断去解决梯度爆炸问题,但无法轻易解决梯度消失问题。
Original: https://blog.csdn.net/qq_43753724/article/details/124873906
Author: 别团等shy哥发育
Title: LSTM实现股票预测
原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/496280/
转载文章受原作者版权保护。转载请注明原作者出处!