在Tensorflow,什么样的神经网络我应该使用?
-
16-10-2019 - |
题
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?
解决方案
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。