我想预测未来的多个时间步长。我当前的 NN 输出 0、1 或 2 的稀疏分类。
通过具有 3 个神经元的 SoftMax Dense 层对输出进行稀疏分类，以对应于上述三个类别。
我将如何塑造输出层（softmaxed Dense）以使我能够预测未来的两个时间步长，同时将稀疏分类类别保持在 3 个？
现在，如果我将该 Dense 层设置为具有 6 个神经元（3 个类别 * 2 个时间步长），我将得到一个具有 6 个类别和 1 个时间步长的稀疏分类分类的输出。
我想预测未来的多个时间步长。我当前的 NN 输出 0、1 或 2 的稀疏分类。
通过具有 3 个神经元的 SoftMax Dense 层对输出进行稀疏分类，以对应于上述三个类别。
我将如何塑造输出层（softmaxed Dense）以使我能够预测未来的两个时间步长，同时将稀疏分类类别保持在 3 个？
现在，如果我将该 Dense 层设置为具有 6 个神经元（3 个类别 * 2 个时间步长），我将得到一个具有 6 个类别和 1 个时间步长的稀疏分类分类的输出。