推荐的序列补全深度学习模型
推荐的序列补全深度学习模型
提问于 2019-10-16 16:47:32
我正在尝试解决序列补全的问题。假设我们有基本事实序列(1,2,4,7,6,8,10,12,18,20)
我们模型的输入是一个不完整的序列。即(1,2,4，_,10,12,18,20)。从这个不完整的序列中，我们想要预测原始序列(地面真实序列)。可以使用哪些深度学习模型来解决此问题？
这是编码器-解码器LSTM架构的问题吗？
注意:我们有数千个完整的序列来训练和测试模型。
任何帮助都是非常感谢的。
回答 2
Stack Overflow用户
发布于 2019-10-16 17:16:42
这不完全是序列到序列的问题，这是一个序列标记问题。我建议先堆叠双向LSTM层，然后再使用分类器，或者先堆叠Transformer层，然后再使用分类器。
编码器-解码器体系结构需要大量数据来正确训练，如果目标序列可以是任意长度，仅模糊地依赖于源序列长度，则编码器-解码器体系结构特别有用。它最终会学会用足够的资源来完成这项工作，但序列标记是一个更直接的问题。
使用序列标记，您可以在输出上设置自定义掩码，因此模型将只预测丢失的数字。编码器-解码器模型需要首先学习复制大部分输入。
Stack Overflow用户
发布于 2019-10-17 14:30:55
在您的序列完成任务中，您是尝试预测序列中的下一个项目，还是只学习缺少的值？用缺失的数据训练神经网络本身就是一个问题。如果你使用Keras和LSTM类型的神经网络来解决你的问题，你应该考虑屏蔽，你可以参考这个堆栈溢出线程来获得更多的细节：Multivariate LSTM with missing values关于预测缺失值，为什么不尝试自动编码器呢？
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/58409285
复制相关文章
相似问题
腾讯云开发者
