循环神经网络能否一次学习略有不同的序列？
Can a recurrent neural network learn slightly different sequences at once?
是否可以使用递归神经网络来学习变化略有不同的序列？例如，如果我有足够的训练数据，我是否可以训练 RNN 以便它可以生成一系列连续整数或交替整数？
例如，如果我使用
训练
1,2,3,4
2,3,4,5
3,4,5,6
等等
并使用
训练同一个网络
1,3,5,7
2,4,6,8
3,5,7,9
等等，
我能否成功预测测试集的两个序列？
如果我在训练数据中有更多变化，例如每三个整数或每四个整数的序列等等怎么办？
是的，只要序列中有足够的信息使其不含糊不清，神经网络应该能够学习正确地完成这些序列。
不过您应该注意一些细节：
神经网络和一般的机器学习模型在外推方面表现不佳。一个简单的网络不太可能学习一般的序列。它永远不会像 child 那样快速学习顺序逻辑的概念。因此，如果您在其经验之外输入测试数据（例如，项目之间的步骤 3，当它们不在训练数据中时），它将表现不佳。
神经网络更喜欢按比例缩放的输入 - 一个常见的 pre-processing 步骤是将每个输入列归一化为均值 0 标准差 1。虽然网络可以接受更大范围的输入数字，但这会降低训练的有效性。使用生成的训练集（例如人工数字序列），您可以通过使用更多示例进行更长时间的训练来强制完成训练。
您将需要更多神经元和更多层，以支持更大的序列变化。
对于 RNN 来说，如果到目前为止它处理的序列是模糊的，它的预测会很糟糕。例如。如果你用相同数量的样本训练 1,2,3,4 和 1,2,3,5，当它显示序列 1 时，它将预测 4.5（用于回归）或 50％ 的机会 4 或 5（用于分类器）， 2,3 并要求预测。
是否可以使用递归神经网络来学习变化略有不同的序列？例如，如果我有足够的训练数据，我是否可以训练 RNN 以便它可以生成一系列连续整数或交替整数？
例如，如果我使用
训练1,2,3,4
2,3,4,5
3,4,5,6
等等 并使用
训练同一个网络1,3,5,7
2,4,6,8
3,5,7,9
等等， 我能否成功预测测试集的两个序列？
如果我在训练数据中有更多变化，例如每三个整数或每四个整数的序列等等怎么办？
是的，只要序列中有足够的信息使其不含糊不清，神经网络应该能够学习正确地完成这些序列。
不过您应该注意一些细节：
神经网络和一般的机器学习模型在外推方面表现不佳。一个简单的网络不太可能学习一般的序列。它永远不会像 child 那样快速学习顺序逻辑的概念。因此，如果您在其经验之外输入测试数据（例如，项目之间的步骤 3，当它们不在训练数据中时），它将表现不佳。
神经网络更喜欢按比例缩放的输入 - 一个常见的 pre-processing 步骤是将每个输入列归一化为均值 0 标准差 1。虽然网络可以接受更大范围的输入数字，但这会降低训练的有效性。使用生成的训练集（例如人工数字序列），您可以通过使用更多示例进行更长时间的训练来强制完成训练。
您将需要更多神经元和更多层，以支持更大的序列变化。
对于 RNN 来说，如果到目前为止它处理的序列是模糊的，它的预测会很糟糕。例如。如果你用相同数量的样本训练 1,2,3,4 和 1,2,3,5，当它显示序列 1 时，它将预测 4.5（用于回归）或 50％ 的机会 4 或 5（用于分类器）， 2,3 并要求预测。