优化LSTM神经网络模型的输入，知道所需的输出

Question

我已经训练了一个lstm来表示机器人的动态模型。现在我有一个到达点的问题，所以我知道所需的位置（xd，yd，zd）。 lstm的输入是一系列的3（tau1，tau2，tau3）i（对于i0:n）个步骤的扭矩值，NN的输出是给定扭矩的相应位置。 因此，每个扭矩对应一个新位置，最后一个输出必须与目标尽可能相等

我在matlab中对其他类型的神经网络使用了类似的策略，并使用了FMINCO

我的问题是找到一个python函数，该函数能够最小化最后一次输出wrt与目标之间的距离，并提供不同的输入（以张量形式）。（显然，问题是找到一个返回argmin输入的优化函数，如fmincon，能够优化所需的函数）