预测数字序列中的模式

Question

我的问题如下。作为输入，我有整数序列，每序列约200-500。序列中的每个数字都标记为好或坏。每个序列中的第一个数字总是很好，但后续数字是否仍然被认为是好的取决于它之前的数字。有一个数学函数可以控制数字如何影响它后面的数字，但这个函数的细节是未知的。我们所知道的是，它开始接受每个数字，然后逐渐开始拒绝数字，直到最后每个数字都被认为是坏的。在这种情况发生之前，每个序列中只有大约50个数字被接受。

数字的有效性可能不仅取决于它之前的数字，还取决于这些数字本身是好还是坏。

例如:( 良好的数字以粗体显示）

• 4 17 8 47 52 18 13 88 92 55 8 66 76 85 36。 ..

• 92 13 28 12 36 73 82 14 18 10 11 21 33 98 1。 ..

尝试通过猜测来确定系统背后的逻辑似乎是一项不可能完成的任务。所以我的问题是，是否可以训练神经网络来预测一个数字是好还是坏？如果是这样，大约需要多少序列来训练它？ （假设200-500个数字是32位整数的序列）

Answer 1

由于您的数据是连续的并且数字之间存在依赖关系，因此应该可以训练一个递归的神经网络。经常性权重负责数字之间的关系。

作为一般经验法则，您拥有的输入序列越不相关，就越好。本调查文章可以帮助您开始使用RNN：https://arxiv.org/abs/1801.01078

Answer 2

这绝对是可能的。 @salehinejad给出了一个很好的答案，但您可能想要查找特定的RNN，例如LSTM！

这对序列预测非常有用。您只需逐个（顺序）提供网络号码。