Я исследовал классификацию временных рядов с помощью LSTM . Я видел примеры, где они обеспечивают непрерывные прогнозы, то есть прогноз обновляется на каждом временном шаге. Можно ли обучить многомерный LSTM прогнозировать частичные данные (т. Е. «Как оно поступает»). Таким образом, он будет обучаться по полному набору временных шагов, но затем будет обеспечивать прогноз классификации на временном шаге 1, а затем на временной метке 2, при этом производительность, как ожидается, будет увеличиваться с течением времени. Я нашел статью, в которой делается нечто подобное Прогнозирование статуса обучения в MOOC с использованием LSTM , где еженедельные прогнозы делались для определенного класса с использованием (я полагаю) единой сети LSTM. Тем не менее, он не содержит подробностей, поэтому если кто-то может предоставить какую-либо дополнительную информацию, примеры, которые будут высоко ценится.