Я создаю нейронный net с Keras для прогнозирования выходного напряжения сложной электрической цепи на основе известных вводов тока в различных входных узлах. На данный момент это простая модель ConvLSTM, которая дает довольно хорошие прогнозы. Проблема в том, что мне нужно спрогнозировать несколько минут выходного напряжения в миллисекундной шкале времени на основе начальных 50 мс истинного напряжения заземления и известных вводов тока, поэтому, когда я продвигаюсь вперед во времени, модель начинает полагаться на свои собственные прогнозы. , поэтому ошибка предсказания составляет. Я могу измерить поведение системы, чтобы получить наборы обучающих данных, но это очень медленно, отсюда и необходимость в NN. каждую миллисекунду, поэтому долгосрочное прогнозирование невозможно. Что я хочу сделать, так это построить модель, которая требует 50 мс тренировочного напряжения наземной достоверности, 60 мс входного тока (начиная с того же времени, что и значения напряжения, но превышая их на 10 мс), и 10 миллисекунд напряжения как цель. Это потенциально могло бы помочь мне усилить первое предсказание (51-я точка данных).
К сожалению, сколько бы времени я ни искал, я не нашел архитектуры, способной обрабатывать такой ввод. Есть у кого-нибудь идеи по архитектуре basi c keras?
Спасибо!