hasanghaforian's questions

Quero desenhar uma composição de dois MFs trapezoidais por Octave. Isto é o que eu tentei:

%MAX composite

pkg load linear-algebra

tx = ty = linspace (-10,10,100)';
cartesian_prod_domain = cartprod(tx,ty);
a = -6; b = -2; c = 2;d = 6;

trape_x = max(min(min(1, (cartesian_prod_domain(:,1) - a)/(b - a)), -(cartesian_prod_domain(:,1) - d)/(d - c) ),0);
trape_y = max(min(min(1, (cartesian_prod_domain(:,2) - a)/(b - a)), -(cartesian_prod_domain(:,2) - d)/(d - c) ),0);

cartesian_prod_range = (max([trape_x, trape_y]'))';

plot3 (cartesian_prod_domain(:,1), cartesian_prod_domain(:,2), cartesian_prod_range);

E foi isso que consegui:

Como você pode ver, ele está conectado ; mas quero obter algo assim que tenha superfície:

Provavelmente isso pode ser feito por mesh; mas eu não pude. Como posso conseguir isso?

Suponha que eu tenha estas 7 amostras de séries temporais:

1,2,3,4,5,6,7

Eu sei que existe uma relação entre cada amostra e as duas anteriores. Isso significa que quando você sabe que duas amostras anteriores são 1,2, você pode prever que a próxima deve ser 3e 2,3a próxima é 4e assim por diante.

Agora quero treinar RNNcom uma LSTMcamada para as amostras acima. O que eu fiz foi:

import numpy as np
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers

X = np.array([[[1]],[[2]],[[3]],[[4]],[[5]],[[6]],[[7]]])
Y = np.array([[3],[4],[5],[6],[7]])

model = keras.Sequential([
    layers.LSTM(16, input_shape=(2, 1)),
    layers.Dense(1, activation="softmax")
])

model.compile(optimizer="rmsprop",
loss="mse",
metrics=["accuracy"])

model.fit(X, Y, epochs=1, batch_size=1)

Mas me deparei com este erro:

ValueError: Data cardinality is ambiguous:
  x sizes: 7
  y sizes: 5
Make sure all arrays contain the same number of samples.

Não sei como tenho que mudar a forma Xe Yresolver o problema?