我知道在使用时间序列数据时，我必须使用RNN
这里的亮点是神经元再次接收其输出作为输入，因此它们可以考虑上一步。
但我不明白的是：为什么常规的神经网络不能做同样的事情？例如，当我提供类似的订单时
0, 1, 2, 3, 4, 5, 6, 7, ..
NN 应该注册其中有一个模式。如果这些数字代表天或秒，那并不重要。那么，为什么现在需要自环神经元来这样做呢？
为什么时间序列需要 RNN？
数据挖掘
时间序列
rnn
2022-02-13 02:14:59
1个回答
需要明确的是，RNN 不是必需的，因为存在其他选项。然而，RNN 很有用，因为它们隐含地处理输入之间的时间关系。
常规神经网络是幂等的，这意味着可以多次传递相同的输入并计算相同的输出（显然，如果网络同时没有更新）。
这种幂等性意味着常规神经网络不能隐含地“看到”时间模式。为此，他们需要按照您的建议提供时间信息。这实际上是变形金刚实现的！通过在输入之上提供时间嵌入，它始终是一个从时间信息中学习的常规神经网络。
其它你可能感兴趣的问题