Python 3.x “设计考虑”；经常性；基于Keras和Tensorflow的神经网络

我目前正在做我的年级项目。本项目的主要目标是建立一个人工智能辅助的库存系统。我目前的方法是使用神经网络“教导”系统如何根据其当前状态（当前库存）和伪随机需求进行操作。网络的输入应为当前库存，网络应输出公司应订购给定产品的数量，以最大限度地减少因缺乏库存和库存水平而造成的销售损失（模型不应输出疯狂的数量，因为保持库存需要金钱）。一次运行的输出应用于根据当前库存、当前需求和订单（输出本身）计算下一次运行的输入。我面临的问题是，我只需要一个初始状态（时间为0时的库存）来训练模型，但我不知道如何设置这样的kera。也许有人能给我指一个有用的资源来解决这个问题。对我来说，似乎我需要定义一个自定义损失函数，并可能为系统创建一个自定义层（我知道如何定义函数和库存更新规则，但我不知道如何告诉Keras如何处理它们）

我认为您不需要创建自定义图层或自定义损耗。 在我看来，你应该遵循的步骤是：

创建一个数据集，其中存在时间t和t-1库存之间的时间相关性

这是一个回溯超参数（您希望在一个序列中分析多少库存？）

然后，您可以将此数据提供给RNN以解决回归问题（例如，回归损失为mse）

---

查看弗朗索瓦·乔利特（François Chollet）撰写的关于如何与RNNs合作的解释。

非常感谢您的见解，我将对此进行研究。