Neural network 数字序列中的模式预测
我的问题如下。作为输入，我有整数序列，每个序列大约200-500个。序列中的每个数字都标记为好或坏。每个序列中的第一个数字总是好的，但后续数字是否仍然被认为是好的取决于它之前的数字。有一个数学函数，它控制着数字如何影响后面的数字，但是这个函数的细节还不清楚。我们可以肯定的是，它开始接受每一个数字，然后逐渐开始拒绝数字，直到最后每一个数字都被认为是坏的。在这种情况发生之前，每个序列中只有大约50个数字会被接受 一个数字的有效性可能不仅取决于它之前的数字，还取决于这些数字本身被认为是好还是坏 例如：（good粗体数字）Neural network 数字序列中的模式预测,neural-network,deep-learning,pattern-recognition,Neural Network,Deep Learning,Pattern Recognition,我的问题如下。作为输入，我有整数序列，每个序列大约200-500个。序列中的每个数字都标记为好或坏。每个序列中的第一个数字总是好的，但后续数字是否仍然被认为是好的取决于它之前的数字。有一个数学函数，它控制着数字如何影响后面的数字，但是这个函数的细节还不清楚。我们可以肯定的是，它开始接受每一个数字，然后逐渐开始拒绝数字，直到最后每一个数字都被认为是坏的。在这种情况发生之前，每个序列中只有大约50个数字会被接受 一个数字的有效性可能不仅取决于它之前的数字，还取决于这些数字本身被认为是好还是坏 例如：
- 417847521813889255866768536
- 92132812367382141810112133981
试图通过猜测来确定系统背后的逻辑似乎是一项不可能完成的任务。所以我的问题是，神经网络可以被训练来预测一个数字是好是坏吗？如果是，大约需要多少个序列来训练它？（假设200-500个数字的序列是32位整数）由于您的数据是连续的，并且数字之间存在相关性，因此应该可以训练一个递归神经网络。循环权重处理数字之间的关系
一般来说，不相关的输入序列越多越好。这篇调查文章可以帮助您开始RNN:这绝对是可能的@salehinejad给出了一个很好的答案，但您可能希望查找特定的RNN，例如 这对序列预测非常有用。您只需一个接一个地（按顺序）输入网络号