Я довольно новичок в мире NN, поэтому мой вопрос может быть чрезвычайно глупым, поэтому заранее извините:
Я работаю над интеллектуальным автоматическим масштабатором, пытаясь предсказать рабочую нагрузку разные, неизвестные приложения, использующие только исторические данные о нагрузке c об этом приложении.
Одним из моих предикторов является RNN LSTM. Чтобы RNN мог предсказать рассматриваемые значения, я должен определить временной шаг - это количество Лагов, которые я передаю в RNN, чтобы предсказать будущее значение (я надеюсь, что я использовал правильные термины здесь). Многие учебники и литература, кажется, устанавливают временной шаг на значение, которое кажется мне довольно случайным. Мой вопрос можно разделить на два подвопроса:
1. Учитывая, что я не знаю временных рядов во время реализации: есть ли способ вычислить это значение, кроме как попробовать другие значения и сравнить достоверность прогноза?
2. Как Значение влияет на предположения, которые RNN узнает об этом временном ряду?
К сожалению, у меня нет какой-либо интуиции относительно того, на что влияет это значение. В качестве примера моей путаницы:
Учитывая, что у меня есть временной ряд с годовой сезонностью, но я решаю, что буду использовать только данные за неделю, чтобы сделать следующий прогноз: сможет ли сеть узнать эту ежегодную сезонность? Часть меня говорит «нет», потому что не может понять, что частичная корреляция между временной меткой и задержкой в 365 дней go очень высока, потому что у нее нет этих данных, верно? Или это потому, что он видел данные за год go во время обучения и узнал эту довольно похожую модель и просто применяет ее сейчас (что, скорее всего, будет правильным)?
Правильно ли мое предположение, что слишком много временных меток в уравнении соответствует сети?
Не могли бы вы помочь мне получить смутное представление о том, как этот параметр влияет на большую схему вещей, и какие свойства временного ряда должны влиять на мой выбор этого значения?
Спасибо вам большое много и оставаться здоровым :)