У меня есть 5 временных рядов, которые я хочу, чтобы нейронная сеть предсказывала. Временные ряды связаны друг с другом. Каждый временной ряд состоит из чисел от 0 до 100. Я хочу предсказать следующее число для каждого временного ряда. У меня уже есть модель для тренировки одного временного ряда с использованием GRU, и она работает достаточно хорошо. Я попробовал две стратегии:
Я нормализовал числа и сделал проблему проблемой регрессии. На данный момент наилучшая точность проверки составляет 0,38.
Я быстро кодировал временные ряды, и это работает значительно лучше (добавленная точность 0,15), но стоит в 100 раз больше памяти.
Для 5 временных рядов я пробовал 5 независимых моделей, но в этом случае связь между 5 временными рядами была потеряна. Мне интересно, какой может быть эффективная стратегия. Я сам могу думать о двух, но я что-то упускаю:
Я могу сложить вход так, чтобы у меня был вход с горячим кодированием, а не 5 с горячим кодированием. Можно ли это сделать?
Я могу создать 5 моделей и объединить их. Я не уверен, что делать с выводом. Должен ли я разделить модель, по одному на каждый временной ряд?
Есть ли стратегия, которую я пропустил? Память это проблема. С тысячами временных рядов, с длинами выборок 100, данные занимают много памяти и времени обработки. Я погуглил вокруг, но не смог найти эффективную стратегию. Кто-нибудь может подсказать, как эффективно реализовать эту проблему в Керасе?