我正试图解决一个时间序列预测问题。我尝试了ANN和LSTM，用各种参数玩了很多，但我能得到的只是比持久性预测好8%。
所以我想知道：既然你可以把模型保存在keras中；是否有任何用于时间序列预测的预训练模型(LSTM、RNN或任何其他ANN)？如果是，我该如何获取它们？喀拉拉邦有吗？
我的意思是，如果有一个网站包含预先训练过的模型，那将非常有用，这样人们就不必花太多时间训练他们了。。
同样，还有一个问题：
有可能做到以下几点吗？1.假设我现在有一个数据集，并用它来训练我的模型。假设在一个月后，我将可以访问另一个数据集(对应于相同的数据或类似的数据，在未来可能，但不是唯一的)。那么可以继续训练模型吗？这与批量训练不同。当你分批进行时，你会在一瞬间得到所有的数据。有可能吗？如何？
我会先回答你最后的问题。
那么是否可以继续训练模型？这与批量训练不同。当你分批进行时，你会在一瞬间得到所有的数据。有可能吗？如何？
是的，这是可能的。一般来说，它被称为迁移学习。但请记住，如果两个数据集代表非常不同的人群，网络很快就会"忘记"第一次运行时学到的东西，并将优化到第二次运行。要做到这一点，只需从加载状态开始训练，而不是随机初始化，然后保存模型。还建议在第二次运行时使用较小的学习率，以便逐渐适应新数据。
是否存在任何针对时间的预训练模型(LSTM、RNN或任何其他ANN)序列预测？如果是，我该如何获取它们？喀拉拉邦有吗？
我还没有找到一个经过预训练的模型，但快速搜索给了我几个活跃的GitHub项目，你只需运行它们就可以自己得到结果：机器学习的时间序列预测(LSTM，GRU在tensorflow中的实现)、用于时间序列预测的LSTM神经网络(keras和tensorflow)、，具有金融时间序列数据的神经网络(keras和tensorflow)。另请参阅本文。
现在您可以使用BERT或相关变体，在这里您可以找到所有预先训练的模型：https://huggingface.co/transformers/pretrained_models.html
并且可以对RNN进行预训练和微调，可以参考本文：TimeNet：用于时间序列分类的预训练深度递归神经网络。