Question

我想知道是否可以仅通过使用时间序列数据来实现单层前馈和多层前馈模型在Keras中进行正向传播以预测某些功能？由于Keras隐式执行反向传播，不需要特殊命令。如您所知，单层前馈模型和多层前馈模型被认为是前馈方法，据我所知，optimizer仅在反向传播中使用model.compile(optimizer='adam')将使我们能够以较低的计算资源将误差函数降至最低。

此外，全连接模型与反向传播之间是否存在任何关系？
我真的很欢迎一些Python代码对此进行解释，如果有任何帮助我从 Keras 基于预测的ANN用法从这个简单的概念理解实现的观点。

我在这里共享了train和test的数据集。 感谢您的关注，并在这一领域提出一个幼稚的问题！

Answer 1

在注释之后，如果您要使用前馈网络对时间序列建模并迭代地输入输入，则仅是SimpleRNN，即“完全连接的RNN，其中将输出反馈输入。”

在每个步骤中，都会使用前馈网络，而经常性方面只是链式前馈网络的展开版本，它们具有相同的权重。它计算tanh(Wx + b + Uh)，其中h是前一个输出，您可以认为前馈网络具有2个输入，即当前时间步长输入和前一个输出。