Python RNN对最新数据具有更多权重
我正在研究股票预测样本数据的LSTM RNN。看来RNN并没有给予更多的权重 最近的数据。在RNN中，权重在不同的时间步中平均共享。我们是否有增加近期数据权重的选项？（具有LSTM或RNN中的任何参数） 你能纠正我或在这方面给我更多的意见吗Python RNN对最新数据具有更多权重,python,neural-network,time-series,data-science,recurrent-neural-network,Python,Neural Network,Time Series,Data Science,Recurrent Neural Network,我正在研究股票预测样本数据的LSTM RNN。看来RNN并没有给予更多的权重 最近的数据。在RNN中，权重在不同的时间步中平均共享。我们是否有增加近期数据权重的选项？（具有LSTM或RNN中的任何参数） 你能纠正我或在这方面给我更多的意见吗 提前感谢。这就是为什么大多数时间序列模型现在都有注意机制。因为注意机制更擅长学习相关的时间步。这也是为什么有些人现在正在使用变压器。RNN/LSTM无法很好地学习远程依赖关系。比如美国 在第一阶段，我们引入了一种输入注意机制，通过参考先前的编码器hid-de
提前感谢。这就是为什么大多数时间序列模型现在都有注意机制。因为注意机制更擅长学习相关的时间步。这也是为什么有些人现在正在使用变压器。RNN/LSTM无法很好地学习远程依赖关系。比如美国 在第一阶段，我们引入了一种输入注意机制，通过参考先前的编码器hid-den状态，在每个时间步自适应地提取相关驱动序列（又称输入特征）。在第二阶段，我们使用时间注意机制在所有时间步中选择相关的编码器隐藏状态 关键词是跨越所有时间步。您可以找到几种基于注意/转换器的模型的实现（免责声明我是这个框架的维护者）