Neural network 如何选择正确的神经网络拓扑并以一维阵列作为输入（时间序列预测）

我的目标是使用RNN来预测时间序列值

我有两个问题

第一个是，在我的分析中，我需要4个不同的函数来评估，比如At、Bt、Ct和Dt。我想要的是使用每个函数的30个样本来训练我的神经网络，所以我需要在我的节点中输入4个值[a1、b1、c1、d1]等等

如何使用1D数组作为输入

我的第二个问题是如何选择正确的拓扑

我想用30个样本来预测接下来的10个，所以在我的神经网络中，我有30个神经元作为输入层，10个神经元作为输出层，但是我需要多少隐藏层

每层有多少神经元？

Verba Docent，Exampla Trahunt 问题1的解决办法 虽然没有人会限制您构建超级神经网络来训练、交叉验证和正向测试/同时评估所有a、B、C和D

与其他一些AI/ML学习者相比，NN-s在A、B、C、D的独立性方面是宽容的，但训练超级NN预测整套独立输出的方法在资源消耗方面是非常低效的，是O2+标度的

如果为一个特定任务构造四个不同的NN-s，并对它们进行训练/交叉验证/前向测试->最终分别拥有NNA、NNB、NNC和NND预测器，则流程性能会更好，而且您的NN-s可能具有不同的体系结构[隐藏.1-隐藏.2-…-输出]-层/节点

问题2的解决办法 在这个领域，基本上没有现成的教条真理是免费的

人们可能会采取测试驱动的方法穿越这片领土，这片领土可能在焦虑的地图上标出了警告Hic Sunt Leones的区域，在那里研究人员非常害怕或懒得去，而不是反映出确实在那里观察到了任何声称的狮子

一旦您定义了一个目标和指标来评估被测神经网络的{差|更好|足够好|最好}性能，除了时间和预算之外，没有人会限制您创建尽可能多的体系结构

结果很重要。因此，过度装修和偏见将是您的主要敌人，一些架构将证明它能够更好地处理这些问题，有些则更糟

假设您的问题的规模TFLOPs/PFLOPs允许您的AI/ML引擎使用从学习示例中衍生的一些附加合成功能，那么功能工程可能会帮助您的AI/ML学习者比NN架构的广泛修改表现得更好

不在RNNs上 如果您对使用RNN的计划的评论具有所谓的递归神经网络的含义，您进一步的AI/ML研究应深入这些特殊情况的架构/拓扑的细节，而不是机械地使用简单的、前向反馈的、误差反向传播的基于NN的学习者

弗朗西斯科，请不要犹豫，多问一点&欢迎加入这个伟大的社区

---

这个问题似乎离题了，因为它与编程无关。你认为我会手工构建神经网络还是编程@EdCottrell你的评论离题了，没必要粗鲁。过于宽泛的问题将被关闭。这个是,；除了一般的神经网络之外，它不涉及任何语言、库或编程主题。关闭的另一个原因是：寻求调试帮助的问题为什么这段代码不起作用？必须包括所需的行为、特定的问题或错误以及在问题本身中重现这些问题所需的最短代码。没有明确问题陈述的问题对其他读者没有用处。看，太好了！非常感谢您的回答，我将尝试按照您的指示，我会让您知道我的项目进展！好消息，弗朗西斯科，听到你的决定。StackOverflow鼓励用户通过向上投票的方式表达他们对问题和答案的有用性的意见，所以当您发现StackOverflow的有用想法时，请随时点击它。不管怎样，图蒂·萨尔维和PF2015:o