Deep learning 对顺序数据使用深度学习

我有大量的标记数据序列，我想使用深度学习对它们进行分类。例如： 我有n个文件（f1 f2 f3…fn），每个文件都有大量的序列：

f1

0 15 0 0 2

024448

100578

0356022

f2

0 0 0 1 0

103050

3 0 0 11 4

207813

现在，对于给定的序列（例如：1 4 3 0 0 0…），深度学习程序应该能够将其分类到正确的文件中。你能用简单易懂的方式解释一下如何利用深度学习解决这个问题吗？

---

我计划使用R和/或Python。我很高兴听到一些有用的深度学习库来解决这些问题。

不确定这个问题是否真的需要ML（甚至深度学习）来解决。如果您可以找到每个文件的唯一序列，那么一个简单的映射就可以完成这项工作（因为您说过“每个文件都有大量的序列”）

---

如果不是这样，那么这是一个错误。简而言之，在分类问题中，我们学习X的模式来预测y。在您的例子中，X是文件中的序列，y是文件名。在深入学习之前，我建议您先看一下

尝试将LSTM用于此任务。顺序任务是LSTM的自然用法。您可以使用python，它有几个库，如theano、pybrain、tensorflow、torch等。

---

例如，声音是一种连续现象，现代语音识别（谷歌、微软、百度）使用LST来完成这项任务

Theano、Torch、DeepLearning 4J、0xData-H2o、Berkely Caffe使用这些库中的一个或一些库解决此问题的步骤是什么？