增强用于定期数据的Machin学习模型

Question

我正在通过TensorFlow（tfjs）学习ML。
我的第一个测试是训练我的模型来预测cos(x)作为x的函数（从0到2 * Math.PI * 4或4个周期）

功能：x的2000个值（随机）
标签：2000值cos（x）

型号：

const model = tf.sequential({
    layers: [
        tf.layers.dense({ inputShape: [1], units: 22, activation: 'tanh' }),
        tf.layers.dense({ units: 1 }),
    ]
});

model.compile({
    optimizer: tf.train.adam(0.01),
    loss: 'meanSquaredError',
    metrics: ['mae']
});

...

await model.fit(feature, label, {
    epochs: 500,
    validationSplit: 0.2,
})

结果很“有趣”：

现在，我想知道如何增强模型以适应cos（x）的周期性（不使用cos（x）的数学周期性，例如y = cos（x模2PI））。
我的模型能否“理解”有周期性？

Answer 1

我认为您建立的网络太小，无法学习余弦函数的周期性行为（尝试增加隐藏单元的数量和/或添加隐藏层），我也不认为规则（完全连接的神经网络）如果要学习具有周期性顺序性质的功能，则是正确的选择，为此，请尝试使用RNN或LSTM。