tensorflow - 如何使用 LSTM 预测来自同一时间序列的新变量？

Question

令 X_1 是描述汽车速度的 t...N 个时间步长的一维向量，以及描述汽车在每个时间步长的距离和速度的 X_2 和 X_3 向量。X_2 和 X_3 都与 X_1 具有相同的维度。假设我希望为时间步长 t'...N' 预测 X_3，给定时间步长 t'...N' 的 X_1 和 X_2（即相应的时间步长），什么是最合适的 LSTM 配置在这种情况下使用？

通常情况下，使用 LSTM 在给定过去信息的情况下预测新的时间步长——例如，在这种情况下，根据 X_1 和 X_2 @时间步长 t 预测 X_3 @时间步长 t+1。然而，这里的目标是不同的；它不是预测“未来”，而是预测与在输入（例如 X_1 和 X_2）时间序列中找到的那些时间步相对应的时间步的新变量。

标签： tensorflowkeraslstmrecurrent-neural-network