问题描述
我想训练一个神经网络来识别一系列事件中的模式。根据我的搜索，RNN，通常是 LSTM，是关于序列预测的最新技术。
我将使用的数据将是来自散布在房屋中的 IoT 传感器的事件，因此数据集高度依赖于用户，它是异构的（不同的传感器）并且时间稀少（例如，在夜间几乎没有活动）。
我正在考虑对事件进行编码，并在 LSTM 神经网络中使用它们的序列作为输入来检测模式。 我的问题是我可能没有足够的数据或事件类型来训练 LSTM 模型，导致神经网络无法找到模式。
我不知道预测树是否可以作为前缀树的一个选项（例如，如果每个事件都被编码为一个字母）。我以前从未使用过神经网络，所以我对这个主题有点迷茫……有什么帮助或建议吗？
提前致谢！
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）