基于先前结果的数据库，基于时间的二进制预测的最佳AI算法是什么？有了所有算法，我正在寻找最佳算法的建议，以根据数据库“数据集”进行自我预测，以预测不完整的“实时”数据集的下一个二进制数。
先前记录和存储的示例数据集
Binary Data Set 1 100**110111**0010111000111010101
Binary Data Set 2 0110010001101110110**110111**000
Binary Data Set 3 0010110010**110111**1001011011011000
在每个集合中，我们都找到模式110111和下一个事件
Set 1 - 110111 Next event is 0
Set 2 - 110111 Next event is 0
Set 3 - 110111 Next event is 1
在2个数据集中，下一个事件是0，在1个数据集中，下一个事件是1。因此，在我们非常小的示例中...如果显示此模式，我们将预测为0，因为出现66％的时间。但是算法会训练自己做出这个决定。
实时-实时二进制事件每秒发生1次。我们收到了以下不完整的数据，希望预测下一个1000010000 110111 。哪种算法最适合预测下一个？
谢谢您的帮助！
答案 0 :(得分：0)
递归神经网络，尤其是LSTM（长期短期记忆）网络用于时间序列预测。在您的情况下，数据非常简单并且可以轻松建模。 看看这个The magic of LSTM networks