我正在尝试解决序列完成的问题。假设我们有地面实况序列 (1,2,4,7,6,8,10,12,18,20)
我们模型的输入是一个不完整的序列。即 (1,2,4, _ , _ ,_,10,12,18,20)。从这个不完整的序列中，我们想要预测原始序列（Ground Truth 序列）。哪些深度学习模型可以用来解决这个问题？
这是encoder-decoder LSTM架构的问题吗？
注意：我们有数千个完整的序列来训练和测试模型。
感谢任何帮助。
【问题讨论】：
标签： keras deep-learning
在您的序列完成任务中，您是尝试预测序列中的下一个项目还是只学习缺失值？ 用缺失数据训练神经网络本身就是一个问题。 如果您使用 Keras 和 LSTM 类型的 NN 来解决您的问题，您应该考虑屏蔽，您可以参考这个 stackoverflow 线程了解更多详细信息：Multivariate LSTM with missing values 关于预测缺失值，为什么不尝试自动编码器？
【讨论】：
这不完全是序列到序列的问题，这是一个序列标记问题。我建议要么堆叠双向 LSTM 层，然后是分类器，要么是 Transformer 层，然后是分类器。
编码器-解码器架构需要大量数据才能正确训练，如果目标序列可以是任意长度，则特别有用，只是模糊地取决于源序列长度。它最终会学会用足够的东西来完成这项工作，但序列标签是一个更直接的问题。
使用序列标签，您可以在输出上设置自定义掩码，因此模型将仅预测缺失的数字。编码器-解码器模型需要先学会复制大部分输入。
【讨论】：