1d cnn 예제

1d cnn 예제

이 게시물의 아이디어는 당신에게 당신의 자신의 문제에 대한 출발점으로 사용할 수있는 많은 예 또는 다른 프레임을 제공하는 것입니다. Xtrain.reshape(num_of_examples, num_of_features, num_of_signals)와 같은 데이터의 모양을 변경하고 모델의 input_shape를 (45, 6)으로 변경해야 합니다. 이 예제는 제이슨 브라운리의 훌륭한 자습서를 기반으로 합니다. 인간의 활동 인식 문제를 이용하여, 타임시리즈 분류를 위한 1차원 컨볼루션 신경망을 개발하는 방법을 보여준다. 안녕하세요 제이슨, 이 게시물과 책 모두 훌륭합니다! 하지만 질문이 있습니다 : 내 경우에는 데이터베이스가 예제 중 하나와 유사한 구조를 가지고 있지만 환경의 특성으로 인해 데이터 집합이 작습니다. 나는 파고 있었지만 연구의 경우 다변량 타임 시리즈인 데이터 증강 문제에 대한 좋은 접근 법을 찾을 수 없었습니다. 예제를 실행하여 두 입력 및 하나의 출력 병렬 시간열 각각에 대해 시간 단계당 하나의 행과 하나의 열로 데이터 집합을 인쇄합니다. 알고리즘의 검색 특성을 고려할 때 결과가 달라질 수 있습니다. 예제를 몇 번 실행해 보십시오.

실제로 1D CNN 모델은 이전 예제와 같이 서로 다른 출력 변수를 나타내는 벡터 출력또는 하나의 변수의 여러 시간 단계를 나타내는 벡터 출력을 예측할 때 거의 차이가 없습니다. 밀도가 높은 레이어 대신 병합 한 후 시간 분산 레이어를 사용할 수 있습니까? 당신은 그것에 대해 어떤 예를 가지고 있다. 나는 그것을 사용하려고 할 때, 항상 다른 오류를 얻을 수 있기 때문에. 2D 컨볼루션 네트워크에서 이미지 내의 각 픽셀은 이미지 채널(빨간색, 녹색 및 파란색)을 나타내는 깊이뿐만 아니라 x 및 y 위치로 표시됩니다. 이 예제의 필터는 2×2 픽셀입니다. 이미지 위로 가로 및 세로로 이동합니다. 예제를 실행하면 유니변량 계열을 입력 및 출력 시간 단계로 분할하고 각 계열의 입력 및 출력 구성 요소를 인쇄합니다. 이 자습서의 목적은 특정 열열 예측 문제를 복사하고 조정할 수 있는 템플릿으로 각 종류의 열렬 문제에 대한 각 모델의 독립 실행형 예제를 제공하는 것입니다. 10+15가 항목 1에서 10+15=25라는 것을 알면서도 관계를 알아가는 데 가치를 추가하지 않고 해당 샘플에 대해 30+35=65관계를 이해하는 데 도움이 될 수 있기 때문입니다.

(나는이 특정 예에서보다 더 일반적인 타임 시리즈 케이스에서 여기에 생각했다. 예를 들어 10 + 15 대 25의 잔류는 30 + 35 대 65의 잔류를 의미 할 수 있습니다) 이 네트워크는 이 6 가지 활동의 무언가가 될 결과를 제공해야하기 때문에 누락된 것입니까, 이 예제의 정확도는 매우 좋으며 레이블이없는 새 데이터 집합에서이 모델을 사용하는 방법을 사용하여 활동을 예측하는 방법을 볼 수 있습니까? 예제를 실행하면 각 샘플에 3개의 입력 시간 단계와 1개의 출력 시간 단계가 있는 6개의 샘플로 univariate 계열이 분할됩니다.

Share this post