我正在研究使用循环神经网络 (RNN) 的 LSTM（长期短期记忆）版本来对时间序列数据进行建模。随着数据序列长度的增加，网络的复杂性也随之增加。因此，我很好奇什么长度的序列可以以良好的准确性建模？
我想使用一个相对简单的 LSTM 版本，而没有任何困难的实现最先进的方法。我的时间序列中的每个观察都可能有 4 个数值变量，观察的数量大约在 100.000 到 1.000.000 之间。
RNN 建模的可行序列长度是多少？
机器算法验证
神经网络
深度学习
lstm
2022-02-15 20:48:39
1个回答
这完全取决于数据的性质和内部相关性，没有经验法则。但是，鉴于您拥有大量数据，2 层 LSTM 可以对大量时间序列问题/基准进行建模。
此外，您不会通过时间反向传播到整个系列，而是通常到（200-300）最后一步。要找到最佳值，您可以使用网格搜索或贝叶斯优化进行交叉验证。此外，您可以在此处查看参数：https ://github.com/wojzaremba/lstm/blob/master/main.lua 。
因此，序列长度并不会真正影响您的模型训练，但就像拥有更多训练示例一样，您只需保持之前的状态而不是重置它。
其它你可能感兴趣的问题