问题标签 [timestep]

我在一些数据上使用 Keras。以下是详细信息：8,000 个客户，每个客户的时间步长从 2 到 41 不等。所以我使用零填充来确保所有客户都有 41 个时间步长。所有 8,000 个客户都有 2 个特征，数据带有多类标签，0-4。每个 tilmestep 都有一个标签。

训练模型后，在过程的测试部分，我想输入时间步长 1-40 的特征和标签，然后让它预测第 41 个时间步长的标签。有谁知道这是否可能？我发现 Keras 在解释它实际预测的内容时有点像一个黑盒子（例如，当它给出准确度分数时，这是什么准确度？它试图预测什么：最后一个 tilmestep 标签或所有 tilmestep 标签？）。

是否应该在顺序 Keras LSTM 模型中使用特定的模型细分？我读过'多对一模型（f（...））在接收到多个输入值（X（t），X（t + 1），......后产生一个输出（y（t））值。 .)。'（布朗利 2017 年）。但是，除了我要预测的最后一个时间步之外，我的输入对于所有时间步长都是 Xt 和 Yt ，这似乎并不能适应这一事实。我不确定如何设置我的代码来指示模型预测最后一个时间步长（我有数据，但我想将预测的类别与实际类别进行比较）。

在 Tensorflow 中，我将输入向量的矩阵 X 输入到 LSTM 网络中。输入矩阵的第一个向量（时间步长 1）是一个单热编码向量，而 X 的后续向量（跟随时间步长）是零向量。现在，我想在时间步 1 将损失的梯度反向传播到输入向量上。

如果我使用以下操作，我会得到输入的梯度，但是对于每个时间步。

知道如何仅计算时间步 1 的梯度吗？

这是一些数据的示例

我正在寻找一种方法来获取每个 ID 的行驶距离。我将在 VTrack 包中使用 ComputeDistance 函数（尽管可以使用不同的函数）。该函数如下所示：

这将计算纬度/经度坐标之间的直线距离。我最终想要一个包含四列 Tag.ID、Timestep1、Timestep2 和距离的数据框。这是一个例子：

等等

编辑：这是我使用的代码（感谢 AntoniosK）。COASpeeds2 与上面的示例 df 完全相同：

这是我得到的df。

我需要在 MySQL 中按天数 (ts_first) 计算用户会话长度 (ts_last-ts_first) 的中位数。尝试这样的事情，但它不起作用。

谢谢！

当我训练我的模型时，它有一个二维输出 - 它是 (none, 1) - 对应于我试图预测的时间序列。但每当我加载保存的模型以进行预测时，它都有一个三维输出 - (none, 40, 1) - 其中 40 对应于拟合 conv1D 网络所需的 n_steps。怎么了？

这是代码：

在下面的图中，您可以看到它正在绘制输入格式。

这是网络架构：

为简单起见，考虑以下方程（Burges 方程）：

scipy.integrate.ode.set_integrator("zvode", ..).integrate(T)让我们使用带有可变时间步长求解器的scipy（在我的例子中）来解决它。

问题如下：如果我们在傅里叶空间中使用朴素的实现

nu * d2x(u[t])如果时间步长太大，粘度项可能会导致过冲。这可能会导致解中出现大量噪声，甚至导致（假的）发散解（即使使用僵硬的求解器，在这个方程稍微复杂的版本上）。

一种对其进行正则化的方法是在 步骤 评估粘度项，t+dt更新步骤变为

此解决方案在显式编程时效果很好。如何使用 scipy 的可变步长 ode 求解器来实现它？令我惊讶的是，我没有找到任何关于这个相当基本的棘手问题的文档......

我正在研究 LSTM 模型。

LSTM中隐藏层的一个记忆单元是否对应一个时间步长？

示例代码) model.add(LSTM(128, input_shape = (4, 1)))

在 Keras 中实现 LSTM 时，可以设置存储单元的数量，如示例代码中所示，无论时间步长如何。在示例中为 128。

但是，一个典型的 LSTM 图像显示为与时间步数和记忆单元数 1:1 对应。正确答案是什么？

在此处输入图像描述

我正在研究在 Modelica 的建筑物库中开发的热水储存模型。使用 Dymola 通过 Dassl 模拟模型，我将模拟的时间步长从 1s 更改为 1200s，但我没有看到模拟结果有任何变化。它与求解器有关吗？如果您能提供帮助，我将不胜感激。

我想组合紧随其后的 6 小时时间步长，以便在单个风暴事件期间查看最大 Total_IVT。例如，2019-5-15 在 12 小时和 18 小时有多个观测值，而第二天在 0 小时有一个观测值。如何按附近的时间步长组合？

原始数据在这里：https ://ucla.box.com/ARcatalog 。下面是一个缩短的示例。

我尝试了这段代码，我得到了每日最大值，但如果风暴跨越几天，我想要包括前几天或后几天。

这是我在绘制每日最大 IVT 时从完整数据集中获得的示例。我想要的是一个更少点的情节，因为一些风暴重叠了几天。

我是 R 新手，所以如果这没有意义，我深表歉意。我提前感谢您的帮助。

编辑：我通过如下重塑我的数据来解决该错误消息：

我收到一条新的错误消息：

如果有人遇到类似问题，我会不断更新这个问题。仍然对任何输入感到高兴。

原始问题：我想建立一个顺序 LSTM 模型，在每个时间步预测二元分类。更准确地说，我想预测文本中每个段落的输出（48 是段落数）。这是我的代码：

这是我收到的错误消息：

我真的不知道该怎么办，我需要重塑我的数据吗？如何？还是我需要更改模型中的某些内容？谢谢！（将损失函数更改为'binary_crossentropy'会引发相同的错误）

这是整个回溯：