Neural network 如何组织递归神经网络?
我想对以下内容进行建模: y(t)=F(x(t-1),x(t-2),…x(t-k)) 或者让我们假设一个函数,其当前输出取决于最后k个输入 1-我知道一种方法是为每个y(t)建立一个经典的神经网络,k个输入为{x(t-1),x(t-2),…x(t-k)},并对其进行训练。那么使用RNN解决这个问题有什么好处呢 2-假设使用RNN,我是否应该只使用x(t)(或x(t-1)),并假设隐藏层可以通过在其内存(隐藏层)中具有来找到y(t)与过去k个输入的关系 3-考虑到我们希望根据最后k个输入估算输出,使用深度网络(如深度RNN或LSTM)对此类问题有任何优越的好处Neural network 如何组织递归神经网络?,neural-network,deep-learning,recurrent-neural-network,Neural Network,Deep Learning,Recurrent Neural Network,我想对以下内容进行建模: y(t)=F(x(t-1),x(t-2),…x(t-k)) 或者让我们假设一个函数,其当前输出取决于最后k个输入 1-我知道一种方法是为每个y(t)建立一个经典的神经网络,k个输入为{x(t-1),x(t-2),…x(t-k)},并对其进行训练。那么使用RNN解决这个问题有什么好处呢 2-假设使用RNN,我是否应该只使用x(t)(或x(t-1)),并假设隐藏层可以通过在其内存(隐藏层)中具有来找到y(t)与过去k个输入的关系 3-考虑到我们希望根据最后k个输入估算输出,
谢谢你的建议。1-我认为bi RNN不适合我的问题,因为我想根据之前的决策(从另一个角度)预测下一个最佳决策的概率。2-假设使用LSTM,我仍然不确定是使用x(t)的所有k个以前的实例作为网络的单独输入,还是只使用最后一个x(t-1)作为唯一的输入就足够了,并且网络是否可以跟踪最后一个k(t)在其架构中?Simpy将其用作元参数,并尝试网格搜索以找到最佳设置:)如果我的答案有用,请将其视为正确答案或投票支持我的答案:)