试着理解角蛋白SimpleRNN

Question

我有一个医学纵向数据，我正在做一个研究。首先，我使用了4000行样本，3个时间步骤(3列)的骨大小对应于3个不同月份测量的骨大小。

我受够了基本模式。现在我想确定我对模型的理解是否正确。

model = Sequential()
model.add(layers.SimpleRNN(units=10, input_shape=(3,1),use_bias=True,bias_initializer='zeros',activation="relu",kernel_initializer="random_uniform"))
model.add(layers.Dense(1, activation="sigmoid")) 
model.compile(loss='binary_crossentropy', optimizer='sgd')
model.summary()


model.fit(trainX,train_op, epochs=100, batch_size=50, verbose=2)
trainPredict = model.predict(trainX)
testPredict = model.predict(testX)

以下是我对这种模式的几点怀疑：

这里的

1. 是假的，那么我不应该只从RNN层得到最后的输出。为什么输出是来自RNN层的形状(无，10)？我想应该是(样本量1)。

另外，我下面提到的逻辑有缺陷，但我需要解决它，即：

单位对应于输出单位。最初，我的猜测是，由于有3个时间步骤，必须有3个输出单位，但我感到惊讶的是，即使给units= 128或10,1模型工作。它是如何发生的，为什么会发生？这个问题和上面的问题使我更加困惑。

1. input_shape对应于-sample大小、时间步数、特性。在这里，我测量了一个骨大小在3个时间段。当我说输入的形状是(样本大小，3,1)时，我的理解正确吗？此外，对于numpy如何表示3d数组，我感到困惑。看起来，要获得所需的维度，我需要输入为-#特性、观察/样本_大小、时间步骤。我是否必须根据numpy代表3d的方式来重塑我的输入，还是应该让它成为。?

此外，如果在不同的时间范围内度量了不同的特征集，或者有不同的时间步骤，那么如何构建模型呢？我如何与上述模式相结合。

Answer 1

是的，你得到最后一个输出，它是一个10维向量，而不是一维向量，所以得到形状correct.

• Number (samples, 10)与时间步骤无关，时间步骤的数量是神经元被循环施加的次数，所以它与特征或单位的数量正交。

• 是的，输入的形状应该是(samples, 3, 1)，input_shape应该是(3, 1)，所有这些在代码中都是正确的。我不知道你在说什么“numpy代表3d数组”，这个形状很清楚，numpy不对输入形状做任何修改。