Regression
如何讓我的神經網絡更好地預測正弦波？
在這裡，看看：
您可以準確地看到訓練數據的結束位置。訓練數據來自到.
我使用了 Keras 和一個 1-100-100-2 密集網絡和 tanh 激活。我從兩個值 p 和 q 計算結果為 p / q。這樣我就可以只使用小於 1 的值來獲得任何大小的數字。
請注意，我仍然是該領域的初學者，所以請放輕鬆。
您正在使用前饋網絡；其他答案是正確的，即 FFNN 在超出訓練數據范圍的推斷方面並不出色。
但是，由於數據具有周期性質量，因此該問題可能適合使用 LSTM 建模。LSTM 是對序列進行操作的各種神經網絡單元，並且對他們之前“看到”的內容有“記憶”。本書章節的摘要表明，LSTM 方法在周期性問題上取得了一定的成功*。*
在這種情況下，訓練數據將是一個元組序列，以及對新輸入進行準確預測的任務對於一些和索引一些增加的序列。每個輸入序列的長度、它們覆蓋的間隔寬度以及它們的間距都由您決定。直觀地說，我希望一個覆蓋 1 個週期的常規網格是一個很好的起點，訓練序列覆蓋範圍廣泛的值，而不是限制在某個區間。
（Jimenez-Guarneros、Magdiel 和 Gomez-Gil、Pilar 和 Fonseca-Delgado、Rigoberto 和 Ramirez-Cortes、Manuel 和 Alarcon-Aquino、Vicente，“使用 LSTM 神經網絡的正弦函數的長期預測”，在Nature-混合智能係統的靈感設計）