我已经用LSTM神经网络完成了预测股市的代码。我在从神经网络提供和接收数据时遇到问题。我有minibatch，每个minibatch有两个阵列：输入价格和输出理想。在输入价格下，我的意思是它有'n'刻度，在输出理想下，我的意思是随机指标，它有一个很长的周期，一个shift = -100。也就是说，NN在“概率”神经网络中出现了。
好吧，我有1000个tick数据的历史记录。 配置：minibatch = 1，输入= 1（上面我称之为“'n'刻度”），输出= 1.
我训练神经网络时，从[0; 1000）滴答在神经网络上仅服务[0,900]，因为指标数据超过。如何获得最后一次滴答的预测？只需忽略区间[900,1000]并立即应用最后一个（第1000个）tick？
用于minibatch的数组按以下形式计算：
for(i=0, i<minibatch_size, i=i+1)
input[i] = if (i>0) tick[i]-tick[i-1]; else 0;
ideal[0] = indicator[batch_size-1];
NN使用了输入和输出层的tanh。
我需要将输入增加到100或输出高达100？怎么避免这个？