改善LSTM的MSE

问题描述

我试图通过使用脱除层，batchnormalization，更密集的层来提高我的准确性，但是没有什么可以显着改善我的LSTM。寻找建议。如果有帮助，我正在使用128的回望和112的回望。这是我的建筑，

generatorMultiF=gen(xMulti_trainF,yMulti_trainF,batches)

model4 = Sequential()
model4.add(LSTM(20,activation='relu',input_shape=(xMulti_trainF.shape[1],xMulti_trainF.shape[2]),return_sequences=True))
model4.add(LSTM(20,activation='relu'))
model4.add(Dense(yMulti_trainF.shape[1]))

model4.compile(optimizer='adam',loss='mse')

history=model4.fit_generator(generatorMultiF,steps_per_epoch=steps,epochs=150,verbose=1,shuffle=True)

我的损失仅降至0.008，我需要的更低，该数据使用MinMaxScaler进行缩放。

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@）

deep-learning keras lstm neural-network