对于我正在处理的汽车数据问题，我需要一些建议。这些车辆每秒钟都会提供一系列代码，这些代码会被存储，但数量可能会有所不同。

例如，在时间步 1，车辆可能会发送 3 个代码：

(1, 2), (3, 5), (7, 9)

并且可以有不同数量的时间步长。（发生错误之前）

现在，其中一些代码具有关联的错误值。例如 (1 , 2) 可能是一个严重错误，表示您的轮胎有问题。但他们中的绝大多数没有这个。这些严重错误中大约有 15 个，而其他代码有 5500 个。

这些代码实际上由两个独立的代码组成。

任务是提前预测是否有可能出现这些代码中的任何一个。

我尝试了什么：

我尝试使用嵌入了所有代码的单层 GRU RNN 网络来做到这一点。我在每一步都预测序列中下一个代码的概率。（将每个代码视为一个步骤）。

我尝试调整神经元数量等参数，但我没有得到任何结果（几个时期后精度低于 5%）。

• 我该如何改进这个模型？
• 有什么方法可以让我在每一步都考虑所有这些代码吗？
• 我可以在这里应用深度学习之外的其他哪些算法？

提前致谢