神经网络预测未来行为的实现无法检测到突然的峰值

Question

神经网络预测时间序列的未来行为。我唯一的功能是基于工作负荷，介于[0-100]之间。

我正在使用（向后学习）。作为输出，例如我给出了18点前进值，作为输入，我给出了最新的5点训练。（我尝试了输入数据5,10,20,30 ......的许多组合）。

例如，我训练数据的方式： t，t + 1，t + 2，t + 3，t + 4 ... =＆gt; T + 22（4 + 18）

                           t+1, t+2, t+3, t+4, t+5.. =>  t+23

指数输入：                                  t，t + 1，t + 2，t + 4，t + 8 ... =＆gt; T + 26（8 + 18）

                           t+1, t+2, t+3, t+8, t+9...=>  t+27

在我训练之后，我已经用我训练过的价值观进行了前瞻性学习。我观察到神经网络无法捕捉突然的峰值。大部分时间如果我要提前18秒预测，它会在17秒后预测正确的结果。

  

对于我如何能够使用神经网络预测突然峰值（将在t秒后发生），您有什么建议吗？或者我应该实施其他解决方案（如Ada Boost）来解决这种情况？

后期预测的示例。在第18行，它能够做出正确的预测，因为它最终达到了峰值。

Answer 1

神经网络并不神奇。它们只允许您根据训练有素的数据集进行输入和输出的关联。如果你用嘈杂的数据训练它，你的模型会很吵。如果您在其学习模型中不再强调噪声数据，它将无法预测噪声数据。

股票市场和其他行业仍然未知，因为很难通过所有噪音建立模型。消除噪音，你基本上有一个移动平均线，它倾向于预测接近你先前观测值的值，而不是你希望的突然峰值。