数据挖掘 - 填补缺失轨迹数据的可能 LSTM 架构和训练方法 - 吾爱随笔录

请看下图，它表示汽车、人或船等物体在二维 x 和 y 空间中移动的轨迹，它们在该空间中的点绘制在此处：

如果绿色的点丢失了，我们想根据这个差距之前和之后的点来取回这些点怎么办。我为此找到了一个解决方案（这里的论文：https ://ieeexplore.ieee.org/document/8713215 ，但是，作者没有提供有关他们的 LSTM 架构和输入训练数据的许多细节），可以概括为更复杂的曲线是使用 LSTM 神经网络。有了这个，我们可以输入这个间隙之前和之后的点并输出缺失的点。这是我目前使用的 LSTM 架构，它是在 Python 中使用库 Tensorflow 实现的：

time_step=10 # how many points previously to use to predict
X_train, y_train = create_dataset(scaled_traj, time_step)

# reshape input to be [samples, time steps, features] which is required for LSTM
units = 3 # before 3 # for nodes in network
model = Sequential()
model.add(LSTM(units, input_shape=(time_step,2), return_sequences=True)) # no activation as we are not returning a binary value
model.add(LSTM(units, return_sequences=True))
model.add(LSTM(units))

model.add(Dense(2)) # LSTM with return_sequence=False will return just one output so does Dense have to be 2

opt = tf.keras.optimizers.Adam(lr=0.001, decay=1e-6)

model.compile(
    loss='mean_squared_error',
    optimizer=opt,
    metrics=['accuracy'],
)
model.summary()

model.fit(X_train,
      y_train,
      epochs=500
      )

对于训练，我将前一个（例如十个点）输入为 X，下一个点输入为 y。训练后，对于输入，我尝试在间隙中取之前的点并输出下一个点。以下是结果：

我还尝试绘制前向传递的加权和，前一个点输出下一个，后向传递。这是结果，这要好得多：

如此处所示，轨迹仍然不准确，因此我尝试使用训练数据中的端点进行训练，以用于预测下一个点。然而，这在这里产生了更糟糕的结果：

此外，这里是只有缺失点的轨迹：

有了这一切，我的项目就在这里：https ://github.com/eleehiga/Trajectory_Correction_Research/blob/main/NN_Reconstruction.py 。你们能帮助我如何改进我的 LSTM 架构、使用哪些点的训练方法、如何更好地使用这个训练有素的神经网络来填充缺失点的重建方法，以及我可以做的其他事情来重建轨迹更精确地？