使用输入的每个单独的时间步长作为RNN中的特征

Question

假设我想创建一个rnn模型，它将学习预测过去24小时内的未来24小时。传统上，如果我想创建这样一个多步骤模型，我会有一个像时间序列(24小时长)这样的输入，其中包含一个特征，例如温度。如果我把时间序列中24小时的每一个时间步作为一个单独的特征，这样我就有24个特征，一个输入，来预测24个特征，一个输出。这种模式是否优于传统模式?

Answer 1

如果你总是有固定数量的输入(比如24小时的温度)，那么不使用RNN而是使用传统的前馈结构可能是一个好方法。使用rnn的主要原因是它们可以处理可变长度的时间序列，所以对于所有需要这种属性的应用程序来说，它们几乎是唯一的选择。在您的情况下，前馈架构可能会工作得很好，但尝试这两种架构应该没有那么困难。