在神经实验室中使用递归 Elman 网络进行时间序列预测答案

【问题标题】：Time series forecast with recurrent Elman network in neurolab在神经实验室中使用递归 Elman 网络进行时间序列预测
【发布时间】：2016-06-22 14:55:20
【问题描述】：

我使用Elman recurrent network from neurolab 来预测连续值的时间序列。网络是从一个序列中训练出来的，输入是索引i处的值，目标是索引i+1处的值。

为了在下一个时间步之外进行预测，网络的输出作为输入反馈。例如，如果我打算预测 i+5 处的值，我将按照以下步骤进行。

因此，对于下一时间步之后的预测，必须使用先前激活的输出来激活循环网络。

然而，在大多数示例中，网络已经输入了一个完整的序列。例如，请参见上面链接后面示例中的函数 train 和 sim。第一个函数使用已经完整的示例列表训练网络，第二个函数使用完整的输入值列表激活网络。

在neurolab 中进行了一些挖掘之后，我发现函数step 可以为单个输入返回单个输出。然而，使用step 的结果表明，该函数不保留循环层的激活，这对循环网络至关重要。

如何在神经实验室中使用单个输入激活循环 Elman 网络，以便在下一次单个输入激活时保持其内部状态？

【问题讨论】：

【解决方案1】：

事实证明，从先前输出生成的输出迟早会收敛到一个恒定值是很正常的。实际上，网络的输出不能仅依赖于它之前的输出。

【讨论】：

【解决方案2】：

我得到了同样的结果——常数。但是我注意到了一些事情：

-> 如果您使用 0 和 1 数据，结果会提高。 0 - 减少 1 - 增加。结果不再是一个常数。

-> 尝试使用另一个变量来解释目标变量，正如我们的一位同事已经提到的那样。

【讨论】：