LSTM-Kerasは時系列間の依存関係を考慮していますか？

Question

私が持っている：OUTPUTでINPUT

予測時系列点として

• 複数の時系列

どのモデルが入力内のすべての時系列間の依存関係を使用してデータを予測することを確認することができますか？

編集1
私の現在のモデル：

model = Sequential() 
model.add(keras.layers.LSTM(hidden_nodes, input_dim=num_features, input_length=window, consume_less="mem")) 
model.add(keras.layers.Dense(num_features, activation='sigmoid')) 
optimizer = keras.optimizers.SGD(lr=learning_rate, decay=1e-6, momentum=0.9, nesterov=True) 

Answer 1

デフォルトのLSTMのkerasにおける層（および再発性層の他のタイプ）によっては、ステートフルないので、状態は毎回新しいにリセットされます入力はネットワークに供給される。あなたのコードはこのデフォルトバージョンを使用します。必要に応じて、LSTMレイヤー内にstateful=Trueを指定してステートフルにすることができます。その後、状態はリセットされません。関連する構文の詳細はhere、this blog postではステートフルモードに関する詳細を参照できます。ここで

がhereから取られ、対応する構文の例を示します。

trainX = numpy.reshape(trainX, (trainX.shape[0], trainX.shape[1], 1)) 
testX = numpy.reshape(testX, (testX.shape[0], testX.shape[1], 1)) 
# create and fit the LSTM network 
batch_size = 1 
model = Sequential() 
model.add(LSTM(4, batch_input_shape=(batch_size, look_back, 1), stateful=True)) 
model.add(Dense(1)) 
model.compile(loss='mean_squared_error', optimizer='adam') 
for i in range(100): 
    model.fit(trainX, trainY, epochs=1, batch_size=batch_size, verbose=2, shuffle=False) 
    model.reset_states() 
# make predictions 
trainPredict = model.predict(trainX, batch_size=batch_size) 
model.reset_states() 
testPredict = model.predict(testX, batch_size=batch_size)