我正在尝试解决时间序列预测问题。我尝试使用ANN和LSTM，使用各种参数进行了很多练习，但我能得到的只比持久性预测好8％。
所以我想知道：因为你可以在keras中保存模型;是否有任何预先训练的模型（LSTM，RNN或任何其他ANN）用于时间序列预测？如果是这样，我怎么得到它们？在Keras有吗？
我的意思是，如果有一个包含经过预先训练的模型的网站会非常有用，这样人们就不必花费太多时间训练它们。
同样，另一个问题是：
是否可以执行以下操作？ 假设我现在有一个数据集，我用它来训练我的模型。假设在一个月内，我将访问另一个数据集（对应于相同的数据或类似数据，将来可能，但不是唯一的）。那么继续训练模型是否可能？与批量培训不同。当您分批进行时，您可以在一瞬间获得所有数据。 可能吗？怎么样？
答案 0 :(得分：7)
我先回答你的上一个问题。
那么可以继续训练模型吗？与批量培训不同。当您分批进行时，您可以在一瞬间获得所有数据。可能吗？怎么样？
是的，有可能。一般来说，它被称为transfer learning。但请记住，如果两个数据集代表非常不同的人口，网络将很快“忘记”它在第一次运行中学到的东西，并将优化到第二次。为此，您只需从loaded state开始训练而不是随机初始化，然后保存模型。还建议在第二次运行时使用较小的学习率，以便逐渐适应新数据。
是否有任何预先训练的模型（LSTM，RNN或任何其他ANN） 系列预测？如果是这样，我怎么得到它们？在Keras有吗？
我还没有找到一个预先训练好的模型，但快速搜索给了我几个活跃的GitHub项目，你可以运行并自己得到一个结果：Time Series Prediction with Machine Learning（ LSTM，在tensorflow中的GRU实现），LSTM Neural Network for Time Series Prediction（keras和tensorflow），Time series predictions with Keras（keras和theano），Neural-Network-with-Financial-Time-Series-Data（keras和tensorflow）。另请参阅this post。
答案 1 :(得分：1)
现在您可以使用 BERT 或相关变体，在这里您可以找到所有预训练模型：https://huggingface.co/transformers/pretrained_models.html
并且可以对RNN进行预训练和微调，可以参考这篇论文：TimeNet: Pre-trained deep recurrent neural network for time series classification。