Я пытаюсь обучить модель последовательности, используя LSTM, чтобы регрессировать выходной сигнал, учитывая входной сигнал той же длины.Пары ввода / вывода являются короткими частями сигнала (100 ~ 1000 временных шагов) от пары более длинных сигналов (50000 временных шагов) для заполнения большего количества обучающих данных.
Моя проблема в том, что каждый из этих длинных сигналов имеет своисобственный дистрибутив, отличающийся от остальных.Разница не драматическая, но существенная.Моя модель LSTM не сходится желательно, когда распределения отличаются.Чтобы проверить мою модель, я смоделировал некоторые сигналы с той же динамикой, но с постоянным распределением, и моя модель отлично работает для задачи регрессии.
Мой вопрос, как справиться с такой проблемой?Я видел некоторые решения, такие как выборочная выборка (сохранение выборок с одинаковым распределением) или распределение распределения, но все они объясняются для обычных нейронных сетей.Я ищу несколько советов по моделированию последовательности при работе с этой проблемой.