keras - 推荐用于序列完成的深度学习模型
问题描述
我正在尝试解决序列完成的问题。假设我们有地面实况序列 (1,2,4,7,6,8,10,12,18,20)
我们模型的输入是一个不完整的序列。即 (1,2,4, _ , _ ,_,10,12,18,20)。从这个不完整的序列中,我们想要预测原始序列(Ground Truth 序列)。哪些深度学习模型可以用来解决这个问题?
这是编码器-解码器 LSTM 架构的问题吗?
注意:我们有数千个完整的序列来训练和测试模型。
任何帮助表示赞赏。
解决方案
在您的序列完成任务中,您是在尝试预测序列中的下一个项目还是只学习缺失值?用缺失数据训练神经网络本身就是一个问题。如果您使用 Keras 和 LSTM 类型的 NN 来解决您的问题,您应该考虑屏蔽,您可以参考这个 stackoverflow 线程了解更多详细信息:Multivariate LSTM with missing values 关于预测缺失值,为什么不尝试自动编码器?
推荐阅读
- git - 如何在目标提交后仅 git push 提交?
- android - 从 ExternalMediaDirs 在 GridView 中显示图像
- php - 如何处理从数据表发送的ajax数据
- javascript - 在 Express 中通过 URL 发送 JSON 数据
- python - 为什么值的长度与索引的长度不匹配?
- azure - 如何在发布管道中的 Azure DevOps 中输出 terraform 输出文件
- php - 如何使用 sed () 将所有 \r\n 替换为不同的行尾转义序列?
- android - 如何在 BindingAdapter 中访问视图的宽度和高度?
- c - 使用递归的幂集
- javascript - 如何在没有异步等待的情况下承诺现有回调