X [和 Y] 的 rnn.trainr 时间维度答案

【问题标题】：rnn.trainr time dimension for X [and Y]X [和 Y] 的 rnn.trainr 时间维度
【发布时间】：2017-11-28 23:44:19
【问题描述】：

根据文档，X 和 Y 变量应该是：

用法
trainr(Y, X, learningrate, learningrate_decay = 1, momentum = 0,
  hidden_dim = c(10), network_type = "rnn", numepochs = 1,
  sigmoid = c("logistic", "Gompertz", "tanh"), use_bias = F,
  batch_size = 1, seq_to_seq_unsync = F, update_rule = "sgd",
  epoch_function = c(epoch_print, epoch_annealing), loss_function = loss_L1,
...)
参数

Y - 输出值数组，暗淡 1：样本（必须等于暗淡 1 X), dim 2: time (必须等于 dim 2 of X), dim 3: variables (可以为 1 或更多，如果是矩阵，将强制转换为数组）
X - 数组输入值，dim 1：样本，dim 2：时间，dim 3：变量（可以是 1个或多个，如果是矩阵，将被强制数组）创建3d数组：dim 1：样品；昏暗2：时间；昏暗 3：变量

我不太明白给出的例子

X1 = sample(0:127, 7000, replace=TRUE)
X2 = sample(0:127, 7000, replace=TRUE)
# create training response numbers
Y <- X1 + X2

# convert to binary
X1 <- int2bin(X1, length=8)
X2 <- int2bin(X2, length=8)
Y  <- int2bin(Y,  length=8)

# create 3d array: dim 1: samples; dim 2: time; dim 3: variables
X <- array( c(X1,X2), dim=c(dim(X1),2) )

# train the model
model <- trainr(Y=Y,
            X=X,
            learningrate   =  0.1,
            hidden_dim     = 10   )

谁能解释一下X和Y数组的'dim 2: time'维度？

【问题讨论】：

标签： r recurrent-neural-network

【解决方案1】：

考虑到帖子的年龄，我相信您已经明白了这一点，但我也发现文档令人困惑，并希望为其他寻求更多信息的人提供答案。

示例代码采用两个输入并将它们转换为 8 位序列。这两个 8 位序列是您模型中的特征，而 Y 是您要预测的内容（这应该很容易，因为它是总和的 8 位版本）。

RNN 用于预测随时间变化的结果，因此您的每一行数据都代表时间的下一步。示例中有 5000 行，每行有 2 个 8 位深的特征。因此，该函数正在寻找一个 5000*8*2 的数组，对 2 个 8 位深的变量进行 5000 次观察。目标（Y）没有任何特征，所以它的尺寸是5000*8*1

如果您习惯于处理 R data.frames，那么调用第二维时间维度会非常令人困惑，但是如果您测试示例代码，很明显这是函数所需要的。

希望这可以帮助...某人..

【讨论】：