Tensorflowでは、どのようなニューラルネットワークを使用すればよいですか？

Question

私はTHENSORFLOWチュートリアルをやっています。しかし、私は自分の仕事でどのニューラルネットワークを使用すべきかについて混乱しています。私は、単層ニューラルネットワーク、CNN、RNN、およびLSTM RNNを見ています。

------------------------------------------------------------------------------------------------ -------

何かを測定し、2つのブールの方法で結果を表すセンサーがあります。ここで、彼らはこのように青と赤です：

センサーは、5分ごとに結果値を提供します。各色の値を積み上げると、いくつかのパターンが表示されます。

各円の内部の数値は、センサーから指定された結果値のシーケンスを表します。 （たとえば、107の直後に107が与えられました）122から138まで見られると、Decalcomanieのようなパターンが表示されます。

センサーが結果を与える前に、次の結果値を予測したいと思います。 確率. 。マシンは、過去の結果からのパターンに基づいて、次のことを知る必要があります。

私は過去の結果を使用して監視された学習をするかもしれません。しかし、どのニューラルネットワークまたは方法が適しているかはわかりません。この作業には、過去の結果を使用してパターンが必要であると考え、過去の結果を記憶する必要があります。おそらくLSTM RNN（長期にわたる記憶再発性ニューラルネットワーク）が適切です。

どちらがこの作業に適しているか教えてください。

Answer 1

確かに、RNNを使用できます。過去の$ k $ runの長さと現在の実行の長さの2つの機能を作成します。たとえば、t = 150の直前に、現在の実行は長さ2（赤）になり、以前の3回の実行は赤で（1,1,1）、青の場合（1,1,5）になります。ここでの直感は、実行の長さが何らかの指数分布に従っているように見えることです。また、長さのサンプルに供給することにより、モデルがスケールパラメーターを推定するのに役立ちます。さらに、過去のKイベントを少しひもとしてエンコードできます。1つは赤、0は青を表しています。分類の問題があるため、クロスエントロピーなどの分類損失を使用し、ソフトマックス出力層を使用して確率を取得する必要があります。