LSTM实现股票预测1、传统RNN的缺点

83 阅读 0 评论 55 点赞

我是靠谱客的博主欢喜高跟鞋，最近开发中收集的这篇文章主要介绍LSTM实现股票预测1、传统RNN的缺点，觉得挺不错的，现在分享给大家，希望可以做个参考。

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。
在这里插入图片描述

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。

以上就是欢喜高跟鞋为你收集整理的LSTM实现股票预测1、传统RNN的缺点的全部内容，希望文章能够帮你解决LSTM实现股票预测1、传统RNN的缺点所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。

本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。