Neural network 用于预测未来行为的神经网络实现可以'；无法检测到突然的峰值

预测时间序列未来行为的神经网络。我唯一的特性是基于介于[0-100]之间的工作量

我正在使用（反向学习）。例如，作为输出，我给出了18个提前点的值，作为输入，我给出了最新的5个训练点。（我尝试了输入数据5、10、20、30的多种组合。）

例如，我训练数据的方式： t、 t+1，t+2，t+3，t+4…=>t+22（4+18）

指数输入： t、 t+1，t+2，t+4，t+8…=>t+26（8+18）

在我接受培训后，我已经用我的培训价值观进行了前瞻性学习。我观察到神经网络无法捕捉到突然出现的峰值。大多数情况下，如果我要提前18秒预测，它会在17秒后预测正确的结果

你有什么建议可以告诉我如何用神经网络预测突然的峰值（t秒后会发生）？或者我应该实施其他解决方案（如Ada Boost）来解决这种情况

晚预测的例子。在第18行，它能够做出正确的预测，因为它最终达到了峰值

---

神经网络并不神奇。它们只允许您根据经过培训的数据集对输入和输出进行关联。如果使用有噪声的数据对其进行训练，则模型将有噪声。如果在其学习模型中不强调噪声数据，它将无法预测噪声数据

股市和其他行业仍然是未知的，因为很难通过所有的噪音建立一个模型。消除噪音，你基本上有一个移动平均值，它将倾向于预测接近你以前观察到的值，而不是你希望的突然峰值

                           t+1, t+2, t+3, t+4, t+5.. =>  t+23

                           t+1, t+2, t+3, t+8, t+9...=>  t+27