在Tensorflow，什么样的神经网络我应该使用？

Question

我做Tensorflow教程中，得到什么TF。但我很困惑什么神经网络应当我用我的工作。我看单层的神经网络，CNN，递归神经网络，并LSTM递归神经网络.

-----------------------什么我要做的就是...-----------------------

有一个传感器的措施的东西，并表示的结果，在2布尔的方式。在这里，他们有蓝色和红色的，就像这样：

传感器给出了结果的价值，每5分钟。如果我们堆起来的价值为每一个颜色，我们可以看到一些模式：

数内每个圆圈代表序的结果给出的数值从传感器。(例如，107被赋予的权利之后106)当你看到从122到138个，你可以看到decalcomanie状图案。

我想要预测下一个结果值，前传感器赋予的结果， 概率.机器已经知道是什么下一步将是，根据从过去的模式的结果。

我可以做的监督学习利用过去的结果。但我不知道哪个神经网络或方法是合适的。思考，这项工作的需求模式的使用过去的成绩(拥有见下文)，并记住过去的结果，也许LSTM递归神经网络(长短期记忆的神经网络)将是合适的。

你能告诉我哪一个是适合于这种工作？

Answer 1

当然，你可以使用递归神经网络.我会创造两个特点在过去$k$运行的长度，以及长目前的运行；例如，就在t=150，目前的运行将是长2(红色)，而以前的三个行会(1,1,1)为红色和(1,1,5)为蓝色。直觉是，长度似乎遵循某种指数分布，而且你要帮助的模型，估计规模的参数通过喂养这样的长度。你可以另外编码的过去k事件作为一位串，1表示红色和0代表的蓝色。你有一个分类问题，因此应使用分类的损失喜欢的交叉熵和softmax产出层得到你的概率。