Node.js 预测下一个值

我正在研究一个神经网络，我正在尝试做预测。 为此，我有一个包含值的数组，我想知道下一个数组是什么

只是为了练习，我做了一些非常简单但不起作用的事情（返回的值是错误的），你能解释一下我丢失了什么吗

const NN = new brain.recurrent.LSTMTimeStep({
    inputSize: 2,
    hiddenLayers: [10],
    outputSize: 2,
});

let data = [
    [1, 2],
    [2, 4],
    [3, 6],
    [4, 8],
    [5, 10],
    [6, 12],
    [7, 14],
    [8, 16],
    [9, 18],
    [10, 20],
    [11, 22],
    [12, 24],
    [13, 26],
    [14, 28]
];

const config = {
    log: true,
    logPeriod: 100,
    errorThresh: 0.01,
    iterations: 4000
}

NN.train(data, config);
let output = NN.forecast(data, 1);
console.log(output)

在这个问题上，我希望结果是[15,30]，但它保持返回较低的值

---

非常感谢

更改隐藏层的数量并添加一些迭代似乎是解决方案，我的AI没有错，只是不够精确

const NN = new brain.recurrent.LSTMTimeStep({
    inputSize: 2,
    hiddenLayers: [2, 2],
    outputSize: 2,
});

let data = [
    [1, 2],
    [2, 4],
    [3, 6],
    [4, 8],
    [5, 10],
    [6, 12],
    [7, 14],
    [8, 16],
    [9, 18],
    [10, 20],
    [11, 22],
    [12, 24],
    [13, 26],
    [14, 28]
];

const config = {
    log: true,
    logPeriod: 100,
    errorThresh: 0.01,
    learningRate: 0.001,
    iterations: 40000000
}

NN.train(data, config);
let output = NN.forecast(data, 1);
console.log(output)

随着学习速度的降低和迭代次数的增加，神经网络有更多的时间进行完美拟合