使用 Keras 和 Tensorflow 的“循环”神经网络的设计考虑

Question

我目前正在处理我的成绩项目。该项目的主要目标是建立一个人工智能辅助库存系统。我目前的方法是使用神经网络“教”系统如何根据其当前状态（当前库存）和伪随机需求行事。网络的输入应该是当前库存，网络应该输出公司应该订购多少给定产品，以最大限度地减少由于缺乏库存和库存水平造成的销售损失（模型不应该输出疯狂的数量，因为保持库存需要花钱）。一次运行的输出应用于根据当前库存、当前需求和订单（输出本身）计算下一次运行的输入。我面临的问题是我只需要一个初始状态（时间 0 的库存）来训练模型，但我不知道有什么方法可以像这样设置 Keras。也许有人可以向我指出一个有用的资源来解决这个问题。对我来说，看起来我需要定义一个自定义损失函数，并且可能为系统创建一个自定义层（我知道要定义函数和库存更新规则，购买我不知道如何告诉 Keras 如何处理他们）。

Answer 1

我认为您不需要创建自定义层或自定义损失。 IMO 你应该遵循的步骤是：

1. 创建一个数据集，其中存在时间 t 库存和 t - 1 库存之间的时间相关性。
2. 声明一个回顾超参数（您要在单个序列中分析多少个库存？）
3. 然后您可以将此数据提供给 RNN 以解决回归问题（例如回归的损失是 mse）。

查看由 François Chollet 撰写的关于如何使用 RNN 的说明性 notebook。