我已经完成了用 LSTM 神经网络预测股市的代码。我在从神经网络提供和接收数据时遇到问题。我有小批量，每个小批量有两个数组：输入价格和理想输出。在输入价格下，我的意思是它有“n”个刻度，在输出理想下，我的意思是随机指标，它有很长的周期，偏移=-100。即，NN 出现在“概率”神经网络中。
好吧，我有 1000 个刻度数据的历史记录。配置：minibatch = 1，input = 1（上面我称之为“'n' ticks”），output = 1。
一旦我训练了一个神经网络，从 [0; 1000) 报价仅在神经网络 [0, 900) 上提供服务，因为指标数据已经结束。如何获得最后一次报价的预测？只需忽略区间 [900, 1000) 并立即应用最后一个（第 1000 个）刻度？？
minibatch 的数组通过这种形式计算：
for(i=0, i<minibatch_size, i=i+1)
input[i] = if (i>0) tick[i]-tick[i-1]; else 0;
ideal[0] = indicator[batch_size-1];
NN 使用输入和输出层的 tanh。
我需要将输入增加到 100 或输出增加到 100？如何避免这种情况？