不同时间尺度上的 LSTM 模型

人工智能 长短期记忆
2021-10-30 11:21:40

我是机器学习的新手。我有一个预测下一个输出 n+1 的 LSTM 模型

时间 1,参数 1,输出 1

时间 2,参数 2,输出 2

时间 3,参数 3,输出 3

. .

时间 n, 参数 n, , 输出 n

时间 n+1 --> 预测输出 n+1

 这里的时间都是以分钟为单位的,所以我可以预测系列中的下一个输出,即下一分钟。我的问题是,如果我想预测接下来的 5 分钟该怎么办。一种解决方案是丢弃所有数据,除了 5 分钟的步骤,因此下一步自动为 5 分钟。这显然是对我收集的所有数据的浪费。你能推荐我对不同时间尺度的预测能做些什么吗? 

1个回答

如果不是第 5 分钟,您可以做的只是尝试绕过 LSTM 之后的其余网络。根据您的框架,与替代方案相比,这可能很容易,也可能是一项艰巨的任务。另一种方法是运行并丢弃不是下一个第 5 分钟的输出。虽然最后一个可能看起来效率低下,但它很容易实现并且只需要更多的执行时间。如果执行时间不是问题,它是最容易开始的,如果它不适合您的任务,您可以随时更改它。