![](https://cdn-ak-scissors.b.st-hatena.com/image/square/160f8157df6d1ca6bfd5ac84487281efc645d063/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-412672c5f0600ab9a64263b751f1bc81.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTk3MiZoPTM3OCZ0eHQ9VGVuc29yZmxvdyVFMyU4MSVBNyVFMyU4MyU5NyVFMyU4MyU4MVJOTiVFMyU4MSVBQiVFMyU4MiU4OCVFMyU4MiU4QiVFMyU4MyVBRCVFMyU4MiVCOCVFMyU4MiVCOSVFMyU4MyU4NiVFMyU4MiVBMyVFMyU4MyU4MyVFMyU4MiVBRiVFNSU4NiU5OSVFNSU4MyU4RiVFMyU4MSVBRSVFMyU4MiVBQiVFMyU4MiVBQSVFMyU4MiVCOSVFNSU5QiU5RSVFNSVCOCVCMCZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZ0eHQtY29sb3I9JTIzMjEyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTU2JnM9MzliMGEyYmRhZTEyMjBkZGYwZjY1OWU2OTZjM2UyNDk%26mark-x%3D142%26mark-y%3D57%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZoPTc2Jnc9NzcwJnR4dD0lNDB0YXdhZ28mdHh0LWNvbG9yPSUyMzIxMjEyMSZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT0zNiZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZzPTNjOTc2NmU4ZjA5ZjkwYTkzOWI5NGEwODUyMDYxMGIy%26blend-x%3D142%26blend-y%3D486%26blend-mode%3Dnormal%26s%3Ddee887244537cb32c54c1b36ec6d8528)
エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
TensorflowでプチRNNによるロジスティック写像のカオス回帰 - Qiita
記事へのコメント1件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
TensorflowでプチRNNによるロジスティック写像のカオス回帰 - Qiita
Recurrent Neural Network (リカレントニューラルネットワーク) 時系列データなど連続値で相関がありそ... Recurrent Neural Network (リカレントニューラルネットワーク) 時系列データなど連続値で相関がありそうなものに対して、入力を一つづつ処理しつつネットワーク内部で状態値を保持して、入力が全て終わった後に最終的な出力をしてくれるRNNさん。 実世界の時系列データだとノイズが入りすぎるし、Tensorflowのチュートリアルのような言語系だとイマイチ"時系列"としてのイメージが難しい。 そしてイマイチRNNCellクラスの仕様がつかめないので、諦めて実験的に簡単な自己フィードバックのモデルを作ってみます。 検証対象 : カオス力学 バタフライエフェクトで有名なカオスですが、一見ランダムに見えるんだけど実はある法則みたいなものがある事象を分析する上で役に立つやつです。 その中でも個人的に一番分かりやすい Logistic Map(ロジスティック写像)を例にお話をします。 離