千吨 某些与时间序列短期和长期预测有关的神经网络在keras中的实现。 主要思想是折叠时间序列数据集,以使同一列中的每一列具有多个“滞后”。 然后,我们使用滞后列来预测将来的列。 对于长期预测,我们将这些预测用作下一步的证据。 这旨在与我的高斯动态贝叶斯网络( )模型进行性能比较。 我想将我的GDBN模型与类似情况下的NN模型进行比较,并在此过程中创建一种“即插即用”的替代方案,以备将来需要时使用。 参考 延时神经网络: : 凯拉斯: ://keras.io/