Damped Sine Wave Prediction Problem - 人工知能に関する断創録

Long Short-Term Memory Networks With Python（2018/8/20）のつづき。 今回は、Damped Sine Wave Prediction Problemという時系列予測のタスクを対象にKerasとPyTorchでStacked LSTMの実装方法を比較してみます。 減衰するサイン波を系列データとみなして、先の系列を予測するタスクです。例えば、下のような減衰サイン波に対して、時刻0から80までの系列を入力したときに、系列80から100の値を予測します。サイン波の周期や減衰率はランダムで与えます。 系列を入力して、系列を出力するseq2seq（Many-to-many）のタスクのようですが、出力を系列ではなくて特徴量とみなすことでMany-to-oneのタスクとみなすことができます。 1次元特徴量の長さ3の系列を入力して、1次元特徴量の長さ2の系列

[elu_18]

ブログ更新。今回は減衰サイン波の系列予測をStacked LSTMで解く方法をまとめました。KerasとPyTorchで実装方法がだいぶ違います。Stacked LSTMは機械翻訳、音声認識、音声合成のネットワークで当たり前のように使われるので要