是否可以使用 LSTM 预测作为下一个时间步的输入？答案

【问题标题】：Is it possible to use LSTM predictions as inputs for next time steps?是否可以使用 LSTM 预测作为下一个时间步的输入？
【发布时间】：2020-07-30 14:37:05
【问题描述】：

我正在使用 LSTM（在 PyTorch 中）进行多元时间序列预测。让我们想象一下这种情况：我有 2 个时间序列，A 和 B，我想使用 A 和 B 的先前值（在 t 之前）预测 B 的 t 值。这样的预测效果很好，我的模型得到了很好的结果。

但是如果（在测试期间，训练之后）我想使用 B 的预测值作为下一个时间步的输入而不是实际值，该怎么办？例如：我预测B的第一个值，迈出一步，将预测值代替真实值，然后再次进行预测。然后我使用两个预测值而不是真实的两个，依此类推。在某些步骤中，只有预测值会在时间序列 B 中。

有没有可能做到这一点？

【问题讨论】：

Teacher Forcing 收敛更快。在测试模式下，您可以使用波束搜索以获得最佳性能
在培训期间，我使用教师强制方法。当预测值作为下一个时间步的输入时，测试期间会出现问题。例如。 [x1, x2, x3] 预测 x4，在下一个时间步我将使用 [x2, x3, x4] 预测 x5，依此类推，x3 之后的值是预测，不是来自测试数据，但我的 lstm 不收敛。

【解决方案1】：

这正是人们为机器翻译和文本生成所做的一般工作。在这种情况下，LSTM 预测词汇表的分布，您选择一个词并将其用作下一步网络的输入。详情请见PyTotrch tutorial on machine translation。

重要的一点是 LSTM 以两种方式执行：

【讨论】：

感谢您的回答！它确实提高了我的理解。但问题在于有点不同的方向。事实证明，我完全按照你的建议去做。问题是当我对输入使用预测时，例如[x1, x2, x3] 预测 x4，在下一个时间步我将使用 [x2, x3, x4] 预测 x5，依此类推，x3 之后的值是预测，不是来自测试数据，我的 lstm 不收敛，但是当我只使用测试数据时，一切都很好。我检查了输入的类型，两种情况都相同。