Прогнозирование временных рядов Pybrain с использованием рекуррентных сетей LSTM
У меня есть вопрос, который касается использования pybrain для регрессии временных рядов. Я планирую использовать слой LSTM в Pybrain для обучения и прогнозирования временных рядов.
Я нашел пример кода здесь по ссылке ниже
В приведенном выше примере сеть может прогнозировать последовательность после ее обучения. Но проблема в том, что сеть принимает все последовательные данные, передавая их за один проход во входной слой. Например, если обучающие данные имеют по 10 объектов каждый, 10 объектов будут одновременно подаваться в 10 входных узлов одновременно.
Насколько я понимаю, это уже не предсказание временного ряда, я прав? Поскольку нет разницы с точки зрения времени, в течение которого каждая функция подается в сеть? Поправь меня, если я ошибаюсь.
Поэтому я пытаюсь добиться того, чтобы рекуррентная сеть имела только ОДИН входной узел и ОДИН выходной узел. Входной узел - это место, где все данные временного ряда будут подаваться последовательно с разными временными шагами. Сеть будет обучена воспроизводить входные данные на выходном узле.
Не могли бы вы предложить или направить меня в построении сети, о которой я говорил? Заранее большое спасибо.