Мне нужно создать нейронную сеть, чтобы предсказать, какой конкурс будет проходить по разным объектам.
Разные места будут иметь разные сегменты, и маркер будет записывать рейтинг в разных сегментах на протяжении соревнования.
вот так
4 гоночных трассы и 4 сегмента
(4,2,3,1)
(3,2,4,1)
(3,2,4,1)
(1,2,4,3)
5 гоночных трасс и 3 сегмента
(5,4,2,3,1)
(3,2,4,5,1)
(1,2,5,4,3)
Я пытался создать модель Keras, но не знаю, как тренироваться с разным количеством последовательностей и количеством полей.
Я должен использовать Input Layer для создания модели, потому что мне нужно объединить две сети в одну сеть.
from keras.models import Sequential, Model
from keras.layers import Activation, Dense, Input
from keras.layers import concatenate
from keras.layers.recurrent import LSTM
from keras.regularizers import l1
from keras.constraints import min_max_norm
input_Race = Input(shape=(?, ?))
rankSequence = LSTM(91, return_sequences=True)(input_Race)
input_age = Input(shape=(6,))
age = Dense(122, activation='relu')(input_age)
fusion = concatenate([rankSequence, age])
fusion = Dense(122, activation='relu')(fusion)
fusion = Dense(102, activation='relu')(fusion)
fusion = Dense(91, activation='sigmoid')(fusion)
model = Model(inputs=[input_Race, input_age], outputs=fusion)
model.compile(optimizer='RMSprop', loss='binary_crossentropy')
Мне нужно, чтобы вы рассказали, как определить форму LSTM во входном слое в динамической обучающей последовательности.