我有 400 个长度为 50 的时间序列。其中 200 个的值介于 1-10 之间，被认为是 A 类。其余 200 个的值是 1-10，但 50 个数据点中的 3 个的值是 20，并且被认为是B型。

我正在尝试使用 RNN 网络使其使用 tensorflow 学习这些差异。

我使用 GRU 单元，输入大小为 50（整个时间序列），内部状态为 100，3 层，特征长度为 1，dropout 为 0.8。批量大小为 1（50 个值的 1 个整个时间序列）80% 的序列用于训练，20% 用于测试，均匀分布在 A 类和 B 类之间。

我使用 softmax 作为激活函数，对于梯度下降优化我使用 RMSPropOptimizer。另外，在将数据输入神经网络之前，我根本没有更改数据，我尝试使用 (x-min()/max()-min()) 对其进行归一化，但它没有用。

当我试图训练它时，我总是得到 50% 的错误。我尝试的最大时代是 10，它仍然是 50%。

如果我将相同的网络用于比这 3 个点具有更多差异的数据上，即使在每种类型大约 50 次运行的小型数据集上，相同的网络也可以正确分类。

RNN 不可能仅从 50 个数据点中的这 3 个数据点上学习这些微小的差异吗？你有什么建议我可以改变我的配置？我也尝试了 2000 个时间序列，但错误仍然相同。

另请注意，这 3 个数据点存在于时间序列的开头。（如果这与我的问题有关）。