Bonjour, Merci pour votre vidéo et votre effort. S'il vous plaît pourquoi la date n'est pas importante ? Admettons qu'on veuille faire un apprentissage à la date x avec le restant des variantes dans l'optique de prédire par exemple la pression en date de x+1 exactement. Merci d'avance
Je ne suis pas sûr de bien comprendre.. Dans une séquence, nous nous intéressons à la succession des valeurs. A partir de x0, x1, ...., xn nous essayons de prédire xn+1 Dans ce sens la date absolue n'est pas importante. J'espère avoir répondu à votre interrogation :-)
Bonjour. Grand merci pour ce beau partage. Comment un tel modèle s'utiliserait-il dans la réalité? j'ai compris que l'on va lui donner en entrée les 16 dernières mesures et attendre en sortie la prédiction dans les prochaines 3h à compter de l'instant t ou dans les 12h prochaines heures. Est-ce ainsi la bonne compréhension à avoir ?.
Le principe consiste à donner une série en entrée et récupérer une série en sortie, série en sortie dont on ne s'intéresse qu'à la dernière valeur. On va entrainer notre réseau à générer cette valeur de manière à ce quelle corresponde à la suite de de notre série donnée en entrée.. Ce type de réseau permet ainsi d'extrapoler des séquences. Encore merci pour votre intérêt !
bonjour Mr tt d'abord je tiens à vous remercier pr les efforts fournis afin de nous expliquer le modèle de RNN et de nous approcher au mieux à la bonne utilité de cette méthode surtt en prévision météorologique (l'objectif de ma thèse).prière Monsieur de m'envoyer le lien du site sur lequel vous vous etes basé, et deuxièment pouvez vous nous refaire un tel travail tt en expliquant avec détail le code utilsé en python et merci encore mille fois
L'exemple proposé est très simple et a pour unique objectif d'illustrer l'utilisation de RNN pour le traitement de données séquentielles. Le site hébergeant l'ensemble des exemples est disponible sur notre gitlab : gricad-gitlab.univ-grenoble-alpes.fr/talks/fidle Bonne journée !
Bonjour, Merci pour votre vidéo et votre effort.
S'il vous plaît pourquoi la date n'est pas importante ?
Admettons qu'on veuille faire un apprentissage à la date x avec le restant des variantes dans l'optique de prédire par exemple la pression en date de x+1 exactement.
Merci d'avance
Je ne suis pas sûr de bien comprendre..
Dans une séquence, nous nous intéressons à la succession des valeurs. A partir de x0, x1, ...., xn nous essayons de prédire xn+1
Dans ce sens la date absolue n'est pas importante.
J'espère avoir répondu à votre interrogation :-)
Excellent, merci.
Merci beaucoup à vous également !
Bonjour. Grand merci pour ce beau partage. Comment un tel modèle s'utiliserait-il dans la réalité? j'ai compris que l'on va lui donner en entrée les 16 dernières mesures et attendre en sortie la prédiction dans les prochaines 3h à compter de l'instant t ou dans les 12h prochaines heures. Est-ce ainsi la bonne compréhension à avoir ?.
Le principe consiste à donner une série en entrée et récupérer une série en sortie, série en sortie dont on ne s'intéresse qu'à la dernière valeur.
On va entrainer notre réseau à générer cette valeur de manière à ce quelle corresponde à la suite de de notre série donnée en entrée..
Ce type de réseau permet ainsi d'extrapoler des séquences.
Encore merci pour votre intérêt !
bonjour Mr tt d'abord je tiens à vous remercier pr les efforts fournis afin de nous expliquer le modèle de RNN et de nous approcher au mieux à la bonne utilité de cette méthode surtt en prévision météorologique (l'objectif de ma thèse).prière Monsieur de m'envoyer le lien du site sur lequel vous vous etes basé, et deuxièment pouvez vous nous refaire un tel travail tt en expliquant avec détail le code utilsé en python et merci encore mille fois
L'exemple proposé est très simple et a pour unique objectif d'illustrer l'utilisation de RNN pour le traitement de données séquentielles.
Le site hébergeant l'ensemble des exemples est disponible sur notre gitlab :
gricad-gitlab.univ-grenoble-alpes.fr/talks/fidle
Bonne journée !