使用RNN / LSTM进行预测时，隐藏状态是什么？

Question

假设我有一个从t = 0到t = T的时间序列，我想使用RNN / LSTM训练模型以用于将来的预测目的。

训练后，当我在t = T + 1进行预测时，是否应该使用t = T的隐藏状态（以及LSTM的单元状态）来预测t = T + 1的输出？

假设我要从t = T + 1到t = T + 10进行预测，是否应该将预测的y（T + 1）用作下一个时间步t = T + 2的输入？并使用预测的y（T + 2）作为下一个步骤t = T + 3的输入，依此类推？

Answer 1

是的，通常，“隐藏”状态是在所有序列（时间T）中都起作用的向量或矩阵。这是RNN的主要目的，它通过计入先前的步骤来计算其状态。您将使用先前步骤（T-1）中的隐藏状态（或LSTM单元格）将时间T馈入网络，并将输入作为y（t-1）。