问使用Keras预测网格结构中的所有可能轨迹

EN

一个softmax激活恐怕做不到这一点；如果您有无限多个组合，甚至是数据中没有出现的有限数量的组合，就无法将其转化为多类分类问题(否则，您将失去通用性)。

我能想到的唯一前进的方法是使用变分编码的递归模型。首先，您有很多带注释的数据，这是个好消息；一个由序列X (10,2 )构成的递归网络肯定能够预测序列Y (6,2，)。但既然你想要的不仅仅是一个，而是所有可能的序列，这是不够的。这里隐含的假设是，序列背后隐藏着一些概率空间，这会影响它们随时间的变化；因此，要正确地建模序列，需要对潜在的概率空间进行建模。变分自动编码器(VAE)就是这样做的，它学习潜在空间，因此在推理过程中，输出预测依赖于对该潜在空间的采样。对同一输入的多个预测会导致不同的输出，这意味着您最终可以对预测进行采样，从而在经验上近似于潜在输出的分布。

不幸的是，VAE并不能在堆栈溢出的单个段落中得到真正的解释，即使它们能够解释，我也不会是最有资格尝试的人。尝试在网上搜索LSTM，并耐心地武装自己；你可能需要做一些研究，但这绝对值得。查看吡咯或爱德华也可能是个好主意，它们是用于python的概率网络库，比Keras更适合当前的任务。