Как можно применить прямое распространение для моделей с однослойной прямой или многослойной прямой связью от Keras?

Question

Мне было интересно, возможно ли реализовать однослойные с прямой связью и многослойные с прямой связью модели на данных временных рядов только с использованием пересылкираспространение в Керасе, чтобы предсказать некоторые особенности?Так как Keras неявно выполняет обратное распространение без специальной команды.Как вы знаете, модели с однослойной прямой и многослойной прямой связью считаются подходом с прямой связью, и, насколько я знаю, использование optimizer при обратном распространении всего на model.compile(optimizer='adam') позволит намсвести функции ошибок к минимуму при небольших вычислительных ресурсах.

Более того, существует ли какая-либо связь между полностью связанными моделями и обратным распространением?
Я бы очень хотел, чтобы некоторый код Python объяснил это, если есть какой-либо дляпомогая мне понять с точки зрения реализации в этой простой концепции использование ANN на основе прогнозирования Keras .

Я поделился здесь наборами данных для train & test .Спасибо за внимание и задайте наивный вопрос в этой области!

Answer 1

После комментария, если вы хотите смоделировать временные ряды с сетями прямой связи и итеративно подать входные данные, это просто SimpleRNN , который представляет собой «Полностью подключенный RNN, где должен быть выходной сигнал».возвращается на вход. "

На каждом шаге по времени используется сеть с прямой связью, а рекуррентный аспект - это просто развернутая версия цепных сетей с прямой связью, которые имеют одинаковые веса .Он вычисляет tanh(Wx + b + Uh), где h - предыдущий вывод, можно считать, что сеть прямой связи с 2 входами, текущим входом временного шага и предыдущим выходом.