我正在构建一个 LSTM 来尝试了解一些时间序列数据集的历史趋势（例如公司的每日股价）。在训练我的网络时，我采用大小为 1 的批次，每个批次包含 25 个连续的每日收盘价，然后在第 26 天预测价格。
假设用于训练的时期中的第一个序列开始于并结束于. 我正在使用有状态的 LSTM，因此获取一批的输出状态并将其输入到下一批的状态，这是否意味着我的第二批必须是?
我可以改为“滑动”每批 1 个时间步，以便第二批是，或者这是否破坏了批次之间传递状态的目的？
用于时间序列预测的有状态 LSTM - 每个输入序列是否应移动 1 个时间步或“sequenceLength”时间步
数据挖掘
神经网络
rnn
lstm
2022-03-13 09:39:43
1个回答
第二批应该是 [t=25,t=49] 因为有状态的 LSTM必须是顺序的，因为正如您正确地说的，如果您随后输入 t=2，网络的状态处于 t=24 的状态（或除 t=25 以外的任何东西），那么排序就搞砸了。
使用无状态 LSTM，您可以从任何起点创建序列，但使用无状态 LSTM，必须观察序列。
在随后的时期，您可以更改起始索引，以便输入不同的序列。没有错。我个人生成一个介于 0 和序列长度之间的随机数。