Ich habe eine Frage, die sich auf die Verwendung von Pybrain zur Regression einer Zeitreihe bezieht. Ich plane, die LSTM-Schicht in Pybrain zu verwenden, um eine Zeitreihe zu trainieren und vorherzusagen.

Ich habe hier im Link unten einen Beispielcode gefunden

Anfrage zum Beispiel: Wiederkehrendes neuronales Netzwerk zur Vorhersage des nächsten Wertes in einer Sequenz

Im obigen Beispiel kann das Netzwerk eine Sequenz nach dem Training vorhersagen. Das Problem ist jedoch, dass das Netzwerk alle sequenziellen Daten auf einmal in die Eingabeebene einspeist. Wenn die Trainingsdaten beispielsweise jeweils 10 Merkmale enthalten, werden die 10 Merkmale gleichzeitig in 10 Eingangsknoten eingespeist.

Nach meinem Verständnis ist dies keine Zeitreihenvorhersage mehr, oder? Gibt es keinen Unterschied in Bezug auf die Zeit, die jedes Feature in das Netzwerk eingespeist wird? Korrigiere mich, wenn ich mich irre.

Daher versuche ich, ein wiederkehrendes Netzwerk mit nur EINEM Eingangsknoten und EINEM Ausgangsknoten zu erreichen. Im Eingangsknoten werden alle Zeitreihendaten nacheinander in verschiedenen Zeitschritten eingespeist. Das Netzwerk wird darauf trainiert, die Eingabe am Ausgangsknoten zu reproduzieren.

Könnten Sie mir bitte den Aufbau des von mir erwähnten Netzwerks vorschlagen oder anleiten? Vielen Dank im Voraus