首页 文章

教LSTMs不同频率的概念

提问于
浏览 次
3

在正弦波上训练LSTM很简单 . LSTM很容易理解如何预测未来数百次的波浪 .

然而，一旦我试图预测不同频率的正弦波，LSTM就变得非常无能 . 即使我尝试在不同频率的许多波浪上训练它，它也会忘记第一波学习下一波 . 我改变测试数据频率时LSTM失败的示例：

enter image description here

如何训练我的LSTM识别频率的概念并对任何正弦曲线起作用？

编辑：

我正在使用的模型：

inputs = Input(shape=(self.timesteps, self.features))

bd_seq = Bidirectional(LSTM(128, return_sequences=True,
                                    kernel_regularizer='l2'),
                               merge_mode='sum')(inputs)
bd_sin = Bidirectional(LSTM(32, return_sequences=True,
                                    kernel_regularizer='l2'),
                               merge_mode='sum')(bd_seq)

bd_1 = Bidirectional(LSTM(self.features, activation='linear'),
                             merge_mode='sum')(bd_seq)
bd_2 = Bidirectional(LSTM(self.features, activation='tanh'),
                             merge_mode='sum')(bd_sin)
output = Add()([bd_1, bd_2])

self.model = Model(inputs=inputs, outputs=output)
python tensorflow neural-network keras lstm

1 回答

  • 1

    “......它忘记了第一波学习下一个......”

    这让我觉得......你在训练一个序列，然后是另一个序列，然后是另一个序列？

    对于任何模型的任何问题，这自然会失败 .

    您必须在同一批次中训练大量序列，或者，如果一次一个序列，则每个时期永远不会超过一次 .

    freqs = list_of_frequencies
sinusoids = []
for freq in freqs:
    sinusoids.append(create_a_sinusoid(freq))

training_data = np.array(sinusoids).reshape((freqs,timesteps,features))

    帮助模型的可能技巧：

    • 将频率添加为输入数据中的特征（对于所有步骤）（如果您将其视为输入）

    • 使模型输出频率（如果您知道它作为输出）并在频率上训练它 .

    • 您可以将识别频率的模型与读取这些频率的模型结合起来，以预测所需的输出

    回复于

相关问题