我有包含4个不同时间序列的数据,例如:

    [35, 45, 47, 39...]
    [47, 60, 57, 55...]
    [42, 42, 61, 69...]
    [62, 70, 62, 65...]

事情是,除了时间依赖性(水平依赖性)之外,还存在垂直依赖性(在列中,如果我们看一下本例中的“矩阵”)。

输出向量将是这些相同的时间序列,只偏移了一步。

是否可以为每个时间序列创建LSTM网络(因此,在我的情况下为4个网络,还有4个输出),而且还可以垂直连接它们,即创建2D LSTM?

如果是这样,如何在Tensorflow中实现呢?

是否还可以使这种网络更深(这四个网络中的每一个都附加了附加的LSTM层)?

我希望我对说明已经足够清楚了。

最佳答案

一种解决方案是使用https://arxiv.org/pdf/0705.2011.pdf中描述的多维RNN或LSTM。在这种情况下,您的数据将被视为具有4维的序列。这个github仓库提供了2D LSTM https://github.com/philipperemy/tensorflow-multi-dimensional-lstm的实现。希望这可以帮助

10-07 19:12
查看更多