Keras 推荐的序列完成深度学习模型

我试图解决序列完成的问题。假设我们有基本真值序列（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。i、 e（1,2,4,10,12,18,20）。从这个不完整序列中，我们想要预测原始序列（地面真值序列）。哪些深度学习模型可以用来解决这个问题

这是编码器-解码器LSTM体系结构的问题吗

注：我们有数千个完整的序列来训练和测试模型

---

非常感谢您的帮助。

这不完全是序列间的问题，这是序列标签问题。我建议要么堆叠双向LSTM层，然后是分类器，要么堆叠转换器层，然后是分类器

编码器-解码器体系结构需要大量数据才能正确地进行训练，如果目标序列可以是任意长度的，并且仅模糊地取决于源序列长度，则该体系结构尤其有用。它最终将学会用足够的时间来完成这项工作，但序列标记是一个更简单的问题

---

使用序列标签，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习复制大部分输入。

这不完全是序列到序列的问题，这是一个序列标签问题。我建议要么堆叠双向LSTM层，然后是分类器，要么堆叠转换器层，然后是分类器

编码器-解码器体系结构需要大量数据才能正确地进行训练，如果目标序列可以是任意长度的，并且仅模糊地取决于源序列长度，则该体系结构尤其有用。它最终将学会用足够的时间来完成这项工作，但序列标记是一个更简单的问题

---

使用序列标签，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习复制大部分输入。

在序列完成任务中，您是在尝试预测序列中的下一项，还是只学习缺失的值？ 用缺失数据训练神经网络本身就是一个问题。 如果您使用KARAS和LSTM类型NN来解决您的问题，则应该考虑掩蔽，您可以参考此StAcExver线程以获得更多细节：

---

关于预测缺失值，为什么不尝试自动编码器？

在序列完成任务中，您是在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KARAS和LSTM类型NN来解决您的问题，则应该考虑掩蔽，您可以参考此StAcExver线程以获得更多细节：

---

关于预测缺失值，为什么不试试自动编码器？

你能推荐相关链接或代码来解决类似类型的问题吗？你能推荐相关链接或代码来解决类似类型的问题吗？实际上我只是想学习缺失值。或者换句话说，如果我输入部分序列，它应该返回完整序列。这是否可能使用任何深度学习方法？因此这是一个经典的数据插补问题。有基于概率模型或kNN或决策树的传统方法——有关更多详细信息，请参阅。但是，如果你愿意，你可以使用深度学习。去噪自动编码器（DAE）就是其中之一。举几个例子：，实际上我想把它作为序列预测问题。我想从输入序列中隐藏值的范围，并预测这些数字。e、 g。输入序列是1，2，3，4，5，6，7，8，9，10，然后我对它隐藏6，7，8。输入其余的值，并预测从值1到10的整个序列。实际上，我只是想学习缺少的值。或者换句话说，如果我输入部分序列，它应该返回完整序列。这是否可能使用任何深度学习方法？因此这是一个经典的数据插补问题。有基于概率模型或kNN或决策树的传统方法——有关更多详细信息，请参阅。但是，如果你愿意，你可以使用深度学习。去噪自动编码器（DAE）就是其中之一。举几个例子：，实际上我想把它作为序列预测问题。我想从输入序列中隐藏值的范围，并预测这些数字。e、 g。输入序列是1，2，3，4，5，6，7，8，9，10，然后我对它隐藏6，7，8。输入其余的值，并预测从值1到10的整个序列。