LSTM 预测限制
LSTM prediction restriction
是否可以将 LSTM 神经网络的预测限制为 finite set 个值？例如，如果我有以下序列 1,4,5,3,2,1,3,2, ... 并且我知道下一个值将在 set {1,2,3,4,5} 中，是否可以以某种方式将其提供给网络以便它始终输出这些值之一？
虽然这在技术上是可行的（但是，您必须编写自己的 LSTM 实现或扩展现有的实现），但这似乎不是解决此问题的好方法。如果您发现自己正在向网络提供您不希望它处理的数据，您应该只预处理您的输入以仅保留相关数据。
向网络显示您希望它看到的内容。如果您希望网络在特定情况下输出特定行为，您可以通过修改标签来对该行为进行编码以反映这一点行为。最后，请注意您的用例表明您应该使用分类标签和 softmax 输出，即将其定义为分类而不是回归问题。
是否可以将 LSTM 神经网络的预测限制为 finite set 个值？例如，如果我有以下序列 1,4,5,3,2,1,3,2, ... 并且我知道下一个值将在 set {1,2,3,4,5} 中，是否可以以某种方式将其提供给网络以便它始终输出这些值之一？
虽然这在技术上是可行的（但是，您必须编写自己的 LSTM 实现或扩展现有的实现），但这似乎不是解决此问题的好方法。如果您发现自己正在向网络提供您不希望它处理的数据，您应该只预处理您的输入以仅保留相关数据。
向网络显示您希望它看到的内容。如果您希望网络在特定情况下输出特定行为，您可以通过修改标签来对该行为进行编码以反映这一点行为。最后，请注意您的用例表明您应该使用分类标签和 softmax 输出，即将其定义为分类而不是回归问题。