Keras 中情景模式的多对一循环网络

Question

我正在尝试使用 Keras 构建循环神经网络。我将 .

中的讨论作为基础

但是，在最初的讨论中提出的解决方案中，据我了解，没有"episode"的概念。让我解释一下我的意思。

假设您有 6 个实例 x1、x2、x3、x4、x5、x6。给定大小为 3 的循环 window，第一个输出为 x3。我将其称为 y3。所以，没有情节概念的输入输出对看起来像这样：

但是，我的数据具有明确的边界。我会在这个例子中有两集，所以训练对看起来像这样：

我的问题：是否可以在 Keras 中执行此操作？

我应该如何保持我的输入输出对组织？对于 x3 和 x6 以外的所有输入，网络应该不产生预测（无输出）。

PS：我可能会用LSTM或者经典递归。如果有使用 LSTM 的解决方案，我希望能够在每一集之后重置内存。

提前致谢。

Answer 1

我相信这可以通过退后一步并重组和重塑您提供给 RNN 模型本身的数据来实现。冒着听起来冗长的风险，我提供以下解释：

你应该有一个 X 和一个 y。我建议将这两个作为 3D NumPy 数组，其中

所以假设你有 8 个序列、3 个时间步长和 5 个特征

shape(X)
# (8, 3, 5) 

shape(y)
# (8, 3, 1)

现在假设您已经以这种方式构建数据，您所要做的就是确保 X 和 y训练实例以您想要的方式相互匹配。要使用您的注释：

print(X[0][0])
# [x1, x2, x3]

print(y[0][0])
# [y3]

print(X[1][0])
# [x4, x5, x6]

print(y[1][0])
# [y6]

现在假设您已经有了这个 （序列、时间步长、特征） 3D NumPy 数组结构，用于您输入模型的数据。只需从 X 和 y 中删除您不想删除的训练实例。

Many to one recurrent network for episodic patterns in Keras