我正在建立一个单层门控循环单元(GRU),使用Keras for TensorFlow来预测给定时间序列t,...,N的时间步长y_t时间步长X_t的时间步长,因为我知道在时间t-1的y,我如何将其提供给网络?最初,我想通过隐藏状态来实现这一点,但是这些并不代表y的实际值,手动设置这些值不会改善网络,除非在t-1处y的值为0(这对应于未初始化隐藏状态的默认值)。
我在python中看到了很多类似主题的帮助,但我使用的是R实现,似乎无法复制任何建议的解决方案。= 72, epochs = 10, verbose = 1, validation_split = 0.1)Error in py_call_impl36_input to have 3 dimensions, but got array with shape (2000, 44)
X_train是一个2000行44列的数值矩阵,表示2000个时间步长和每个时间步
我正在尝试弄清楚如何使用LSTM/GRU构建一个模型,该模型可以预测多对多,但对于每n次(在我的例子中是7次)输入。例如,我的输入数据有一整年每天的时间步长,但我只尝试预测每周结束时的输出,而不是每天。我能找到的唯一信息是这个答案:Many to one and many to many LSTM examples in Keras 它说:“当步数不同于输入/输出长度时,多对多:这在Keras中是异常困难的