bonjour,
J'ai compris l'intéret pédagogique du système d'itération pour prévoir les 5 positions suivantes car utile dans d'autres situations. Cependant, pour Ladybug la totalité des informations disponibles est contenue dans les n positions initiales (n=20) seulement et le fait d'utiliser la position calculée n+1 pour prévoir celle à n+2 n'apporte pas d'information supplémentaire mais une position entachée d'erreur. On peut améliorer les résultats en demandant au modèle de prévoir, simultanément, les 5 positions futures (au step 3, le layers. Dense doit avoir 10 sorties au lieu de 2 ). La boucle d'itération peut alors etre supprimée. Une fois cela fait, on constate une nette amélioration des résultats. Une autre voie est d'augmenter max_t=1000 car le cycle complet semble etre supérieur à 10.000 et avec max_t=1000 Ladybug n'a parcouru qu'une partie du cycle: son apprentissage est incomplet.
Question: 1°) est ce que le raisonnement "toute l'information est contenue dans les n=20 positions initiales et donc que l'on doit s'appuyer uniquement sur ces valeurs pour faire des prévisions" est exact ? Ou bien, le principe d'itération a d'autres avantages.
2°) y a t-il un moyen d'optimiser le nombre de cellules GRU/LSTM ? Est ce que Tensorboard peut etre utile pour cela ? Comment ?
Par avance, merci de vos réponses.