I ' vemadeamultilayerlstmmodelthatusesregressiontopredictnextframe '的数据值。 这个模型在20年后完成了。 然后,得到一些预测,把它们与我的基本事实值进行比较。 如上图所示,预测收敛到一定的值。
from keras.modelsimportsequential
from keras.layers.coreimportdense,Activation,Dropout
from keras.layers import LSTM,BatchNormalization
fromtensorflow.python.keras.initializersimportrandomuniform
init=随机统一(minval=-0.05,maxval=0.05 ) ) ) ) )。
模型=sequential ()
model.add (lstm (kernel _ initializer=init,activation='relu ',return_sequences=True,units=800,dropout )
model.add (lstm (kernel _ initializer=init,activation='relu ',return_sequences=False,units=500,drop ouen )
model.add(dense(1024,activation='linear ',kernel_initializer=init ) )
模型. add (batch normalization ) )
模型. add (dropout ) (0.5 ) )
model.add(dense(1,activation='linear ',kernel_initializer='normal ' ) )
model.com pile (loss=' mean _ squared _ error ',optimizer='rmsprop ' )
model.summary (
EDIT1:我把时期从20减少到了3。 结果如下。
两幅图像的比较可以得出,当当时期数增加时,预测收敛到约-0.1的某个特定值的可能性较高