【发布时间】:2014-08-19 16:39:30
【问题描述】:
我正在使用循环神经网络进行时间序列预测,并以 LSTM 作为激活函数。输入是序列数据集,输出是输入序列之后的下一个数据。我有数百个输入,一个大小相等的隐藏层,输出层有一个输出。无论我训练多少,结果总是比实际值高得多(也有其他功能),分别由下面的绿色和蓝色显示。解决办法是什么?
【问题讨论】:
标签: artificial-intelligence neural-network time-series pybrain lstm
我正在使用循环神经网络进行时间序列预测,并以 LSTM 作为激活函数。输入是序列数据集,输出是输入序列之后的下一个数据。我有数百个输入,一个大小相等的隐藏层,输出层有一个输出。无论我训练多少,结果总是比实际值高得多(也有其他功能),分别由下面的绿色和蓝色显示。解决办法是什么?
【问题讨论】:
标签: artificial-intelligence neural-network time-series pybrain lstm
LSTM 似乎不适合这种模式。 Softmax 效果很好。
【讨论】: