Keras 如何使用SimpleRN对模函数建模&；预测多对多序列

我设计这个玩具问题是为了理解Keras中

SimpleRN

的工作原理

我的输入顺序是：

 [x1,x2,x3,x4,x5]

相应的输出为：

[(0+x1)%2,(x1+x2)%2,(x2+x3)%2,(x3+x4)%2,(x4+x5)%2)]

我的代码是：

将numpy导入为np
随机输入
从scipy.ndimage.interpolation导入移位
def生成_序列（）：
最大长度=5
x=np.random.randint（1100，最大值）
移位_x=移位（x，1，cval=0）
y=（x+x）%2
返回x.整形（最大长度，1），y.整形（最大长度，1），移位的x.整形（最大长度，1）
X_列=np.零（（100,5,1））
y_列=np.零（（100,5,1））
对于范围（100）内的i：
x、 y，z=生成_序列（）
X_列[i]=X
y_train[i]=y
X_检验=np.零（（100,5,1））
y_检验=np.零（（100,5,1））
对于范围（100）内的i：
x、 y，z=生成_序列（）
X_检验[i]=X
y_检验[i]=y
从keras.layers导入SimpleRN
模型=顺序（）
add（SimpleRNN（3，input_shape=（5,1），return_sequences=True，name='rnn'））
model.add（密集型（1，激活='sigmoid'））
#尝试使用不同的优化器和不同的优化器配置
model.compile（loss='binary\u crossentropy'，
优化器='sgd'，
指标=[‘准确度’]）
打印（'Train…'））
模型安装（X_系列、y_系列、，
批次尺寸=70，
epochs=200，verbose=0，validation_split=0.3）
得分，acc=模型评估（X_检验，y_检验，
批次大小=批次大小）
打印（'测试分数：'，分数）
打印（'测试精度：'，acc）

当我训练这个

SimpleRNN

时，我只得到50%的准确率，序列中的每个项目仅取决于前一个项目。为什么RNN在努力学习这一点

100/100[====================================]-0s37us/步
考试成绩：0.6975522041320801
测试精度：0.5120000243186951

更新： 结果证明mod函数很难建模，我切换到简单的数据生成策略，比如y[t]=x[t]

def生成rnn序列（）
最大长度=5
x=np.random.randint（1100，最大值）
移位_x=移位（x，1，cval=0）
y=（x

---

那么，如何使用RNN对mod函数进行建模呢？

如果操作是“/2”，我想网络会很容易地学习它（测试它）。但是，因为您使用的是“%2”，所以您的网络应该比单层稍微智能一些。（请通过测试确认）感谢您确认我的直觉。您建议添加哪些内容来改善此网络？我不知道任何具体情况，但可能有很多层具有更多的单位。]我尝试更改为“/2”，并将最后一层更改为仅密集而不激活，使用mse作为损耗。还是没有运气，它学不会anything@DanielMöller请检查问题中的更新