Фондовый рынок к LSTM
Я завершил код, который предсказывает фондовый рынок с помощью нейронной сети LSTM. У меня проблема с передачей и получением данных из нейронной сети. У меня есть мини-пакет, в каждом мини-пакете есть два массива: входная цена и идеальный выход. Под входной ценой я подразумеваю, что она имеет 'n' тиков, под идеальным выходом я подразумеваю стохастический индикатор, который имеет большой период со смещением =-100. Т.е. NN получается в "вероятностной" нейронной сети.
Ну, у меня есть история с данными 1000 тиков. Конфигурация: минибат = 1, вход = 1 (выше я назвал это "тиками"), выход = 1.
Как только я обучу нейронную сеть, из [0; 1000) тики обслуживаются только в нейронной сети [0, 900), поскольку данные индикатора закончились. Как получить прогноз на последний тик? Просто игнорируйте интервал [900, 1000) и сразу примените последний (1000-й) тик??
Массивы для минибатов рассчитываются по этой форме:
for(i=0, i<minibatch_size, i=i+1)
input[i] = if (i>0) tick[i]-tick[i-1]; else 0;
ideal[0] = indicator[batch_size-1];
Н.Н. использовал tanh входного и выходного слоя.
Мне нужно увеличить вход до 100 или выход до 100?? Как этого избежать?