繁体   English   中英

用于具有多个输入的时间序列函数分类的Tensorflow模型

Tensorflow model for timeseries function classification with multiple inputs

提示:本站收集StackOverFlow近2千万问答,支持中英文搜索,鼠标放在语句上弹窗显示对应的参考中文或英文, 本站还提供   中文繁体   英文版本   中英对照 版本,有任何建议请联系yoyou2525@163.com。

我是Tensorflow的新手。

我想将多个(6个或更多)时间序列浮点时间序列输入的结果分类为三个预测性未来输出类别:大的正变化(高于预设水平),大的负变化(低于预设水平),不多更改正或负(在预设级别之间)。

在训练和测试集中,多个输入用于将来预测单个fp值。 每个输入都是以固定时间间隔评估的fp历史值。 我们对未来精确的fp输出值不感兴趣。 我们只关心当前时间和未来时间之间的产值变化在很大程度上是正的,在很大程度上是负的还是在两者之间没有太大变化。

训练和测试数据集将具有历史输入值和输出分类标签(LP,LN和BTWN)。

谁能为此应用建议一个好的tensorflow模型?

例如,假设您有一个正弦角函数前进的正弦函数,并且您要预测将来+10度(时间)时正弦函数的变化。 您可以仅使用1 fp输入(嘈杂的正弦值),并且可以预测在下一个(未来)+10度内正弦值的变化将是LP,LN或BTWN一些预设值。 在该示例中,在0度和180度旋转附近,正弦值的变化率将为LP或LN,而在90度和270度附近,变化率将为低或在某个预设阈值之间。

现在,有了2个输入函数,即有噪声的正弦和有噪声的cos,系统应该能够更好地预测下一个+10度中正弦值的变化。

如果我们添加一些其他相关的噪声输入函数(如atan,角度和圆周位置),即使噪声水平很大,我们也应该能够以较高的确定性更好地预测sin值的未来变化。

我的应用程序不涉及三角函数,但是以类似的方式,输入函数都是有噪声的,但是可以用于辅助预测输出函数未来变化的分类,即大正,大负或介于两者之间。足以实现预期的目标。 无需预测输出函数的确切数值,将其分类为3个输出类别将非常有用。

输出可能仅是2个二进制数字的结果,其中10 = LP,01 = LN,其他值不确定或介于预设阈值之间。

因此,您可以为此应用程序建议一个初始张量流模型吗?

问题暂未有回复.您可以查看右边的相关问题.
1 具有时间序列数据的 TensorFlow 模型,具有用于训练和预测的不同输入形状

我有一个不错的工作神经网络,主要使用 LSTM、Dropout 和 Dense 层。 我通常只将它用于销售预测,但现在我的问题是我想用不同形状的数据集进行训练和预测。 我有几列显示每个渠道的营销支出,以及不同产品的销售额。 您可以在下面找到一张图像,说明数据集。 现在,橙色数据(营销渠道和产品销售 ...

2 LSTM 用于对多个输入序列进行分类

我是 Python 和神经网络的新手,因此如果我的问题不正确,我很抱歉。 我有一个数据集,其中包含 4000 个序列,每个序列具有可变时间步长 (n),每个时间步长有 4 个特征。 因此,X 的形状是 (4000,n,4)。 我想将这些序列分类为 5 个类。 我想得到的是形状(4000,1,1)。 ...

6 将模型应用于多个时间序列

假设我有多个时间序列需要预测。 如果我为每个对象设置了合适的时间序列对象,我就可以拟合(例如)一个 ARIMA 模型等等。 但是,我知道当所有系列都在一个xts对象中时,必须有一种简单的方法来自动化这个过程(撇开不同变量可能需要不同 ARIMA 模型的事实;这可能是另一个问题)。 一些示例数据作为 ...

2013-11-26 18:34:58 1 4937   r/ xts
7 具有多个时间序列的预测(GAM 模型)

我正在学习 Forecast 包,我在尝试预测 GAM 模型(家庭 = 负二项式)的多个时间序列的未来时有点迷茫。 当我尝试预测时,我遇到了这个问题“ +.default (gam_fcast, error_fcast) 中的错误:时间序列/向量长度不匹配” 这是我的数据(很抱歉它很大,我也没 ...

10 具有多个输入的 Keras 序列模型

我正在制作一个 MLP 模型,它需要两个输入并产生一个输出。 我有两个输入数组(每个输入一个)和 1 个输出数组。 神经网络有 1 个隐藏层和 2 个神经元。 每个数组有 336 个元素。 我尝试了两种方法,它们都给出了错误。 ValueError:检查输入时出错:预期dense_i ...

暂无
暂无

声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.

 
粤ICP备18138465号  © 2020-2021 STACKOOM.COM