Opis

Biorąc pod uwagę zbiór danych, który zawiera 10 sekwencji-Sekwencja odpowiada dniu nagrań wartości zapasów-gdzie każdy stanowi 50 przykładowych nagrań wartości zapasów, które są oddzielone 5 minutowymi interwałami począwszy od rana lub 9: 05 rano. Istnieje jednak jedno dodatkowe nagranie (51 próbka), które jest dostępne tylko w zestawie treningowym, co jest 2 godziny później, nie 5 minut, niż ostatnia próbka z 50 próbek. 51. próbka należy przewidzieć dla zestawu badawczego, w którym podaje się również pierwsze 50 próbek.

Używam do tego problemu pybrain powtarzającej się sieci neuronowej, która grupuje sekwencje razem, a etykieta (lub powszechnie znana jako cel y) każdej próbki x_i jest próbką następnego kroku czasowego x_(i+1) - typowego sformułowania w predykcji szeregów czasowych.

przykład

A sequence for one day is something like:

    Signal id    Time      value
        1     -  9:05   -   23
        2     -  9:10   -   31
        3     -  9:15   -   24
       ...    -  ...    -   ...
       50     -  13:15  -   15

Below is the 2 hour later label 'target' given for the training set 
and is required to be predicted for the testing set
       51     -  15:15   -   11

pytanie

Teraz, gdy moja nawracająca sieć neuronowa (RNN) ma jeśli chodzi o te 10 sekwencji, to jak użyłbym RNN do przewidywania wartości zapasów 2 hours po ostatniej próbce w sekwencji ?

Proszę pamiętać, że mam również "2 godziny później niż ostatnie wartości zapasów próbki" dla każdej z sekwencji treningowych, ale nie jestem pewien, jak włączyć to do treningu RNN, ponieważ oczekuje identycznych odstępów czasowych między próbkami. Dzięki!