Question

我遇到了一个教程，其中autor使用LSTM网络进行时间序列预测，如下所示：

trainX = numpy.reshape(trainX, (trainX.shape[0], 1, trainX.shape[1]))
testX = numpy.reshape(testX, (testX.shape[0], 1, testX.shape[1]))

model = Sequential()
model.add(LSTM(4, input_shape=(1, look_back)))
model.add(Dense(1))
model.compile(loss='mean_squared_error', optimizer='adam')
model.fit(trainX, trainY, epochs=100, batch_size=1, verbose=2)

我们同意这个行为中的LSTM就像普通的NN一样（而且没用？），因为LSTM只有一个时间步，没有状态= TRUE，我是对的吗？

Answer 1

一般来说，你是对的。输入形状应为（窗口长度，特征n）。

但是，将输入转换为您上面描述的方式已经取得了一些成功。下面是一份白皮书，他们通过这样做可以击败许多表现最佳的算法，他们使用卷积1D层通过单独的输入来处理时间序列模式。

LSTM Fully Convolutional Networks for Time Series Classification

lstm keras的输入形状错误

1 个答案: