R 让我了解一下模型

我正在处理一个在R中使用LSTM预测电力输出的问题。我找到了一个非常适合我的数据的代码。但问题是我不明白这是什么意思

单位

输入波形

层丢失

层丢失

损失

亚当

下面是我提到的问题列表的代码

    model %>%
  layer_lstm(units = 100,
             input_shape = c(datalags, 2),
             batch_size = batch.size,
             return_sequences = TRUE,
             stateful = TRUE) %>%
  layer_dropout(rate = 0.5) %>%
  layer_lstm(units = 50,
             return_sequences = FALSE,
             stateful = TRUE) %>%
  layer_dropout(rate = 0.5) %>%
  layer_dense(units = 1)

model %>%
  compile(loss = 'mae', optimizer = 'adam')

---

这些参数在参考文档中定义如下：

参数对象模型或图层对象

单位为正整数，输出空间的维数

要使用的激活功能。默认值：双曲正切 （谭）。如果传递NULL，则不应用任何激活（即“线性” 激活：a（x）=x）

REVERTIONAL_激活函数用于REVERTIONAL 步骤

使用_bias Boolean，无论层是否使用偏移向量

返回布尔序列。是否返回中的最后一个输出 输出序列，或完整序列

返回状态布尔值（默认为FALSE）。是否返回最后一个 除输出之外的状态

返回布尔值（默认为FALSE）。如果为TRUE，则处理输入 倒序并返回倒序

有状态布尔值（默认为FALSE）。如果为TRUE，则为每个的最后一个状态 批次中索引i处的样本将用作测试的初始状态 下一批中的索引i样本

展开布尔值（默认为FALSE）。如果为真，则网络将 展开，否则将使用符号循环。展开可以加快速度 RNN，尽管它往往更占用内存。展开只是 适合短序列

内核\初始化器内核权重矩阵的初始化器，使用 用于输入的线性变换

递归\u初始值设定项递归\u核权重的初始值设定项 矩阵，用于循环状态的线性变换

偏置\偏置向量的初始值设定项初始值设定项

单位为布尔值。如果为TRUE，则将1添加到遗忘的偏差 初始化时的门。将其设置为true也将强制 偏差\初始值设定项=“零”。Jozefowicz等人建议这样做

应用于核权重的核正则化函数 矩阵

应用于 递归核权矩阵

偏置\应用于偏置矢量的正则化器正则化器函数

活动\正则化器正则化器函数应用于 该层（其“激活”）

应用于核权重的核约束函数 矩阵

循环_约束函数应用于 递归核权矩阵

应用于偏置矢量的偏置约束函数

辍学浮动范围在0和1之间。要降低的单位的分数 输入的线性变换

经常性_辍学浮动介于0和1之间。单位的分数 降为循环状态的线性变换

输入\输入的形状维度（整数），不包括 样本轴。使用此图层作为参数时，此参数是必需的 模型中的第一层

批次\输入\形状形状，包括批次大小。例如， batch_input_shape=c（10,32）表示预期的输入将是 10批32维向量。批次输入形状=列表（空，32） 指示任意数量的32维向量的批次

批量大小层的固定批量大小

数据类型输入所需的数据类型，为字符串（float32， float64，int32…）

命名图层的可选名称字符串。应该是独一无二的 模型（不要重复使用同一名称两次）。它将自动生成，如果 没有提供

可培训层权重是否在培训期间更新

权重层的初始权重