Pybrain zeitreihenvorhersage mit rekurrenten LSTM-Netze

Habe ich eine Frage im Hinterkopf, das bezieht sich auf die Verwendung von pybrain zu tun regression einer Zeitreihe. Ich Plane, verwenden Sie die LSTM-Ebene in pybrain zu trainieren und Vorhersage von Zeitreihen.

Fand ich ein Beispiel-code hier in den unten stehenden link

Anfrage zum Beispiel: Rekurrenten neuronalen Netzwerk für die Vorhersage der nächsten Wert in einer Sequenz

In dem Beispiel oben, das Netzwerk ist in der Lage, vorherzusagen, eine Sequenz, nach der Ihr trainiert. Aber das Problem ist, das Netzwerk übernimmt alle sequentiellen Daten durch die Fütterung von es in einem Rutsch auf die input-Schicht. Zum Beispiel, wenn die Trainings-Daten hat 10 Funktionen, jedem, der 10 Merkmale werden gleichzeitig zugeführt werden, 10 Eingangs-Knoten zu einem Zeitpunkt.

Aus meinem Verständnis, dies ist nicht mehr eine Zeit-Serie Prognose bin ich im Recht? Da gibt es keinen Unterschied in Bezug auf die Zeit, jede Funktion ist in das Netzwerk eingespeist? Korrigieren Sie mich wenn ich bin falsch auf diesem.

Also, was ich versuche zu erreichen, ist ein wiederkehrendes Netz, hat nur EINEN input-Knoten und EIN output-Knoten. Die input-Knoten ist, wo alle die Zeitreihen-Daten gefüttert werden nacheinander zu verschiedenen Zeitschritten. Wird das Netzwerk trainiert werden, reproduzieren die Eingabe an die Ausgabe-Knoten.

Könnten Sie bitte vorschlagen, oder führe mich in den Bau des Netzes, die ich erwähnt?
Vielen Dank im Voraus.

InformationsquelleAutor der Frage dnth | 2014-09-22

Schreibe einen Kommentar