如何解决如何预测时间序列中的时间特征?
我想通过部署深度学习模型来预测时间序列的下一次。我使用了keras嵌入层,并通过以下方式将时间转换为向量:
hours_input=Input(shape=(1,),name='hours_input')
hours_embedding=Embedding(24,64)(hours_input)
model = keras.models.Model(inputs = hours_input,outputs = hours_embedding)
w1=model.layers[1].get_weights()
minutes_input=Input(shape=(1,name='minutes_input')
minutes_embedding=Embedding(60,64)(minutes_input)
model = keras.models.Model(inputs = minutes_input,outputs = minutes_embedding)
w2=model.layers[1].get_weights()
然后我将这些向量用作lstm模型的输入。对于输出,我使用时间的一次热嵌入,并且使用分类交叉熵损失。但是我的网络无法训练。有人可以帮我解决这个问题吗?
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。