En Tensorflow, ¿Qué tipo de red neuronal que debo usar?

Question

Estoy haciendo Tensorflow tutorial, consiguiendo lo que TF es.Pero estoy confundido acerca de lo que la red neuronal se debe utilizar en mi trabajo.Estoy buscando en una Sola Capa de la Red Neuronal, de la CNN, RNN, y LSTM RNN.

-----------------------Lo que voy a hacer es...-----------------------

No es un sensor que mide algo y representa el resultado en 2 booleano maneras.Aquí, son de color Azul y Rojo, como este:

el sensor da resultado los valores de cada 5 minutos.Si nos acumulan los valores de cada color, podemos ver algunos patrones:

el número dentro de cada círculo representa la secuencia de los valores de resultado dado desde el sensor.(por ejemplo, 107 se da después de 106) cuando vea de 122 138, se puede ver decalcomanie-como el patrón.

Quiero predecir el siguiente valor de resultado, antes de que el sensor imparte el resultado, con probabilidad.La máquina tiene que saber lo que la próxima será, basado en los patrones de los resultados anteriores.

Me pueden hacer el aprendizaje supervisado utilizando los resultados anteriores.Pero no estoy seguro de que la red neuronal o método adecuado.Pensar que este trabajo debe patrón de uso de los resultados anteriores (tienes que ver el contexto), y memorizar los resultados obtenidos en el pasado, tal vez LSTM RNN (largo-corto plazo de la memoria recurrente de la red neuronal) sería apropiada.

Me podría decir que uno de ellos es adecuado para este trabajo?

Answer 1

Seguro, usted puede utilizar un RNN.Me gustaría crear dos funciones para el pasado $k$ ejecutar longitudes, así como de la duración de la ejecución actual;por ejemplo, justo antes de t=150, la ejecución actual sería de longitud 2 (rojo), y las tres carreras sería (1,1,1) para el rojo y el (1,1,5) para el azul.La intuición aquí es que la carrera longitudes parecen seguir algún tipo de distribución exponencial, y quieres ayudar a que el modelo a estimar el parámetro de escala por la alimentación de las muestras de la longitud.Usted, además, podría codificar el pasado k eventos como una cadena de bits, donde 1 representa el rojo y el 0 representa el azul.Usted tiene un problema de clasificación, por lo que debe utilizar la clasificación de la pérdida de la cruz-la entropía, y un softmax de la capa de salida para obtener sus probabilidades.