如何在时间“t”定义输入多输出的RNN-LSTM神经网络？

Question

我正在尝试构建一个RNN来预测一名球员参加比赛的可能性以及球员的得分和门票。我会使用LSTM，这样当前比赛的表现会影响球员未来的选择。

  

架构摘要：

输入功能：比赛详情 - 场地，参赛队伍，团队击球第一

输入样本：两队的球员名单。

输出：

1. 离散：二进制：玩家是否玩过。
2. Discrete：Wickets take。
3. 续：运行得分。
4. 连续：球被击打。

  

问题：

1. 大多数情况下，RNN在最后一层使用“Softmax”或“MSE”来处理来自LSTM的“a” - 仅提供单个变量“Y”作为输出。但这里有四个因变量（2个离散变量和2个连续变量）。是否可以将所有四个作为输出变量拼接在一起？
2. 如果是，我们如何处理具有损失函数的连续和离散输出的混合？

（虽然LSTM“a”的输出具有多个功能并将信息传送到下一个时段，但我们需要输出的多个功能，以便根据真实情况进行训练）

Answer 1

你就是这样做的。如果没有关于使用的软件（如果有的话）的更多细节，很难提供更多的detasmail

LSTM单元的输出每次都是网络隐藏层的步骤

然后，您可以将其输入到4个输出图层。

1个sigmoid 2这是我发现的事情。也许4x sigmoid（4个wickets到一个天堂对吗？）或relu4 3,4线性（squarijng它是lso一个选项，e或relu）

出于培训目的，您的损失函数是您的4个人损失的总和。 因为它们都是MSE，所以你可以在计算损失之前将4个输出连接起来。

但是，第一个是交叉熵（对于sigmoid的决定），你需要单独计算和求和。 在得到输出向量

之后，您仍然可以将它们连接起来