时间序列预测与神经细胞中复发的Elman网络

Question

我使用Elman recurrent network from neurolab来预测连续值的时间序列。从一个序列训练网络，使得输入是索引i处的值，目标是索引i+1处的值。

要预测超出即时下一步，网络的输出将作为输入反馈。例如，如果我打算预测i+5处的值，请按以下步骤进行。

1. 从i
输入值
2. 获取输出并将其作为下一个输入值（例如i+1）
提供给网络
3. 重复1.到3.再多四次
4. 输出是对i+5
处的值的预测

因此，对于下一个时间步之后的预测，必须使用先前激活的输出激活循环网络。

然而，在大多数示例中，网络以完整的序列供给。例如，请参阅上面链接后面示例中的函数train和sim。第一个函数使用已经完整的示例列表训练网络，第二个函数使用完整的输入值列表激活网络。

在对neurolab进行一些挖掘之后，我发现函数step为单个输入返回单个输出。然而，使用step的结果表明，该函数不保留重复层的激活，这对于循环网络至关重要。

如何使用单个输入激活neurolab中的复发Elman网络，使其保持其内部状态以进行下一次单输入激活？

Answer 1

事实证明，从先前的输出产生的输出迟早会收敛到恒定值是很正常的。实际上，网络的输出不能仅依赖 在其先前的输出上。

Answer 2

我得到相同的结果-常数。但是我注意到了一些东西：

->如果使用0和1数据，则结果会改善。 0-减少1-增加。结果不再是常数。

->尝试使用另一个变量来解释目标变量，正如我们的一位同事已经提到的那样。