使用Keras和Tensorflow的“递归”神经网络的设计考虑

Question

我目前正在从事我的成绩项目。该项目的主要目标是构建AI辅助库存系统。我当前的方法是使用神经网络来“教”系统如何根据其当前状态（当前清单）和伪随机需求来表现。净额的输入应为当前库存，网络应输出公司应订购给定产品的数量，以最大程度地减少由于缺乏库存和库存水平而造成的销售损失（该模型不应输出疯狂的金额，因为保持库存会花钱）。一次运行的输出应用于根据当前库存，当前需求和订单（输出本身）来计算下一次运行的输入。我面临的问题是，我只需要一个初始状态（时间为0的库存）来训练模型，但是我不知道有什么方法可以像这样设置Keras。也许有人可以指出我有用的资源来解决这个问题。对我来说，我似乎需要定义一个自定义损失函数，并可能为系统创建一个自定义层（我知道要定义该函数和库存更新规则，购买我不知道如何告诉Keras该怎么做。他们）。

Answer 1

我认为您不需要创建自定义图层或自定义损失。 IMO您应该遵循的步骤是：

1. 创建一个数据集，其中存在时间t和t-1的库存之间的时间相关性。
2. 贴图是一个回溯超参数（要在一个序列中分析多少库存？）
3. 然后，您可以将数据提供给RNN以解决回归问题（例如，回归损失为mse）。

查看FrançoisChollet撰写的有关如何使用RNN的解释性notebook。