私はTensorflowバックエンドでKerasを使用して複数のシーケンスのシーケンス予測を一度に1ステップずつ行います。つまり、それぞれにm個のタイムステップを持つn個のシーケンスがあり、それらをすべて1つのmodel.predict()コマンドでKerasにロードし、モデルはn個の要素のそれぞれについて予測された次のステップに対応する 'n'シーケンス。Kerasは相互配列相関を最大にします
私の目標は、Kerasがシーケンス間の相互相関を検出する能力を最大にすることです。例えば、シーケンスaがシーケンスbと強く相関し、時間遅延とスケールファクタの差があるとすると、理論的には、シーケンスaの次のステップをよりよく予測するためには、シーケンスbを使用できるはずです。私はそれを今どのように持っているのですか?私は4つのシーケンスを使って30個の要素の長さをテストしています。入力データは形状(4,30,1)、出力データは形状(4,1) :Kerasはすでに系列を相互相関されている場合
model = Sequential()
model.add(LSTM(
input_shape=(30, 1),
output_dim=100,
return_sequences=True))
model.add(Dropout(0.2))
model.add(LSTM(
200,
return_sequences=True))
model.add(Dropout(0.2))
model.add(LSTM(
output_dim=1,
return_sequences=False))
model.add(Activation("linear"))
model.compile(loss="mse", optimizer="rmsprop")
return model
私は思ったんだけどしている、または私のモデルは現在、独立したとして、それらを見て、ちょうどそれらをすべて同時に予測した場合(すなわち、それは同じだろうシーケンスa、b、cなどの次のステップを予測する)。 Kerasは、時間 - ステップごとにn個の特徴(すなわち、形状(1、30、4)のデータを入力し、形状(1,4)のデータを出力する)を1シーケンスとして扱うと、 )?そしてもしそうなら、私はまだ各要素が入力配列の1つに相関されている(すなわち、それらが識別能力を維持するであろうか)n要素配列を出力することができるだろうか?
ありがとうございます!