سلام
به نظرم نمی رسد که جابجایی در RBF باعث خطا شود به احتمال قریب به یقین شما در داده جریانی خطای بیشتری دارید چون تعداد داده بیشتری دارید.RBF یک تخمین زننده تابع است اگر تابعی که داده های شما از آن تبعیت می کنند پیچیده باشد به نسبت تابع ساده تر با radial bias functions مساوی خطای بیشتری دارد.اگر این فرض درست باشد قاعدتا باید به توابع radial دست زد ویا به ورودی و هر کار دیگری که این پیچیدگی را مهار کند.البته جایی مقاله ای را دیدم که فکر کنم یک همچون (اینکه ترتیب ورود مهم است) بحثی را کرده بود. می توانید در این
لینک آن را ببینید.اما به نظر من داده آموزشی شما نماینده خوبی برای کل داده ها نیست چه بسا داده آموزشی 100 ثانیه اول کاملا متفاوت از 100 ثانیه دوم باشد (آنطور که من فهمیدم) واینکه خطا در داده جریانی خوب نیست هم به همین دلیل است.یعنی شبکه شما این حجم داده را با کمتر از این خطا نمی تواند مدل کند.شاید این مشکل با قوی کردن شبکه حل شود.این چیزی است که به فکر من میرسد.البته مقالاتی هم هست که روی پردازش داده های جریانی با شبکه های عصبی کار کرده اند. اما اگر کار شما داده کاوی است به نظرم ابزار اشتباهی را انتخاب کردید در ثانی اصلا پیش پردازش داده های جریانی نیز خود داستانیست.