我正在尝试恢复此功能：

我的 NN 模型（使用 Keras）是：

1 层：GRU，9 个神经元，selu 激活
2 层：GRU，3 个神经元，selu 激活
1 层：GRU，7 个神经元，selu 激活
1 层：密集，1 个神经元，
所有层的线性激活内核初始化 he_normal

对于训练数据集，我生成了函数值$f(x), x \in -5..5$（例如linspace(-5,5,500)，随机整数值$\alpha$和$b$, 250 次。

然后我选择了$f[i-1]$和$f[i]$（前面的步骤），对于这个“xs”，输出是$f[i+1]$. 所以训练数据集是这样的：

X :
第一行: 上一个 上一个$f$,$\alpha$,$b$
第二行：上一个$f$,$\alpha$,$b$

Y : 当前$f$价值

在训练超过 200 个 epoch 后，验证数据的 mae 为 0.1851。

现在，如果我尝试预测新数据，这似乎很正常，但是当我尝试使用先前由模型点预测的新值来预测新值时，它会下降并且看起来根本不像正弦函数。

我究竟做错了什么？