Python PyBrain-基于输入历史进行计算

如果我需要一个模型，以便根据当前输入和以前的输入计算输出，该怎么办：

我已经做了一些编码，但我不能添加这个，有什么想法如何作出这样的改变

net = buildNetwork(numberofinputs, number_of_nodes, numberofoutputs, bias=True)
trainer = BackpropTrainer(net, ds, learningrate=0.01,momentum=0.99)
print("Start training")
a = trainer.trainUntilConvergence(verbose=True,` dataset=ds,maxEpochs=10,continueEpochs=1000, validationProportion=0.99)
print("Finished training")
print(trainer.train())

---

此代码仅基于当前输入计算输出，我希望它将最后3个输入值混合，并与当前输入一起使用以预测下一个输出。

如果您只需要上一个输入，则只需将其作为另一个功能添加即可。所以如果你当前的特征向量是

x_t = (x1_t, x2_t, x3_t)

x_{t+1} = (x1_{t+1}, x2_{t+1}, x3_{t+1})

下一个特征向量是

x_t = (x1_t, x2_t, x3_t)

x_{t+1} = (x1_{t+1}, x2_{t+1}, x3_{t+1})

然后你可以简单地使用

x_new = (x1_t, x2_t, x3_t, x1_{t+1}, x2_{t+1}, x3_{t+1})

作为输入特征向量

循环神经网络 但是，如果需要可变长度的时间序列作为输入向量，可以使用递归神经网络。我认为PyBrain做不到。我建议你看看。有关RNNs的教程，请查看以下两篇优秀的博客文章：

• 安德烈·卡帕蒂
• 克里斯托弗·奥拉