Nawracające sieci neuronowe różnią się od „zwykłych” siecią tym, że mają warstwę „pamięci”. Z powodu tej warstwy rekurencyjne NN powinny być przydatne w modelowaniu szeregów czasowych. Nie jestem jednak pewien, czy dobrze rozumiem, jak ich używać.
Powiedzmy, że mam następujące szeregi czasowe (od lewej do prawej): [0, 1, 2, 3, 4, 5, 6, 7]
moim celem jest przewidzenie i
-tego punktu za pomocą punktów i-1
i i-2
jako danych wejściowych (dla każdego i>2
). W „zwykłym”, niepowtarzalnym ANN I przetwarzałbym dane w następujący sposób:
target| input 2| 1 0 3| 2 1 4| 3 2 5| 4 3 6| 5 4 7| 6 5
Następnie stworzyłbym sieć z dwoma wejściami i jednym węzłem wyjściowym i trenowałem ją z powyższymi danymi.
Jak trzeba zmienić ten proces (jeśli w ogóle) w przypadku sieci powtarzających się?