我想根据两组数据训练网络。例如,我希望网络根据过去的湿度趋势和过去的温度趋势来预测湿度。在这种情况下,我应该如何组织输入层?我认为对于一个时间序列,我会在该序列上使用一个常规的滑动窗口。对于两个系列,我是否只将两个窗口(来自湿度和温度系列)呈现给两倍于窗口大小的输入层?如果没有,我还能如何配置输入层,使其不会混淆两组训练数据?
我是让网络自己解决这个问题,还是有向网络呈现两组(或更多)训练数据的首选方法?谢谢。
我想根据两组数据训练网络。例如,我希望网络根据过去的湿度趋势和过去的温度趋势来预测湿度。在这种情况下,我应该如何组织输入层?我认为对于一个时间序列,我会在该序列上使用一个常规的滑动窗口。对于两个系列,我是否只将两个窗口(来自湿度和温度系列)呈现给两倍于窗口大小的输入层?如果没有,我还能如何配置输入层,使其不会混淆两组训练数据?
我是让网络自己解决这个问题,还是有向网络呈现两组(或更多)训练数据的首选方法?谢谢。
NN 的整个想法是它自己学习为输入神经元提供适当的权重和偏差,所以是的 - 只需给你的网络 2 系列,它应该为输入中的每个神经元返回适当的权重和偏差。