2
私は次のようにモデル化する:リカレントニューラルネットワークの構成方法は?
Y(T)= F(X(T-1)、X(T-2)、... X(TK))
または、現在の出力が最後のk個の入力に依存する関数を言うことができます。
1-私は1つの方法は、k個の入力と古典ニューラルネットワークを有することが知っている各yについて{X(T-1)、X(T-2)、... X(TK)}として(t)とそれを訓練する。それでは、RNNを使ってその問題を解決するメリットは何ですか?
2- RNNを使用すると仮定すると、x(t)(またはx(t-1))のみを使用して、隠れたレイヤーがy(t)と過去のk個の入力その記憶(隠れた層)にあることを通して? Deep RNNやLSTMのようなディープネットを使用すると、最後のk個の入力に基づいて出力を見積もることを考えれば、このような問題に対して優れたメリットがありますか?
アドバイスありがとうございます。 1-私はbi-RNNが私の問題に合わないと思います。前の決定に基づいて次の最良の決定の確率を予測したいのです(別の見方で)。 つのLSTMを使用すると仮定しても、x(t)の以前のすべてのインスタンスをネットワークへの別個の入力として使用するか、最後のx(t-1)を唯一の入力として使用するかはまだ分かりませんネットワークがそのアーキテクチャーで最後に見たx(t)を追跡できるかどうか? – Bob
Simpyはメタパラメータとして使用し、グリッド検索を試して最適な設定を見つけてください:) –
私の答えが有用だったら - 正しいと受け入れるか、自分の答えを投票してください:) –