Как обучить модель LSTM с многомерными данными Задать вопрос

Задано 6 лет, 6 месяцев назад Изменено сегодня Просмотрено 889 раз

Задано 6 лет, 6 месяцев назад

3 $\begingroup$ Я пытаюсь обучить мою модель, используя слой LSTM в Keras (python). У меня есть проблемы с представлением данных и подачей их в модель. Мои данные - это 184 XY координат, закодированных в виде numpy массива с двумя измерениями: одно соответствует X или Y, а второе – каждой отдельной точке X или Y. Форма одного спектра (2, 70). В целом, мои данные имеют размерность (184, 2, 70). Метки представляют собой массив из 8 элементов, описывающих процентное распределение некоторых 8 признаков, которые описывают XY. Форма выходных данных (184, 8). Мой вопрос в том, как я могу обучать с использованием временных рядов для каждой пары XY и сравнивать их с соответствующим набором меток? Различные данные XY показывают похожие признаки друг на друга, поэтому важно использовать все 184 образцов для обучения. Какой подход будет наилучшим для решения этой проблемы? Ниже я показываю схемы моих данных и модели: Вход: (184, 2, 70) (количество XY, X / Y, точек) Выход: (184, 8) (количество XY, прогнозы) Я надеюсь на некоторые идеи! python keras time-series long-short-term-memory Поделиться Улучшить вопрос Следить за изменениями отредактировано 5 августа 2019 г. в 9:12 задано 2 августа 2019 г. в 14:50 Dawid 131 3 3 бронзовые значки $\endgroup$ 2 1 $\begingroup$ Я не понимаю ваш вопрос, 184 – это длина последовательности или размер набора данных? Если 184 - это размер набора данных, то я думаю, что 70 - это длина последовательности, тогда вы можете использовать LSTM. Но LSTM выдаст 70 скрытых состояний и использует последнее скрытое состояние в качестве выхода. $\endgroup$ Louis Lv – Louis Lv 2019-08-03 02:43:48 +00:00 Комментировано 3 августа 2019 г. в 2:43 1 $\begingroup$ Спасибо за комментарий! Извините за плохое объяснение. У меня есть 184 различных спектров с XY координатами (обновленная запись с изображением). Каждый X и Y имеет 70 точек. Данные описываются меткой с 8 числами. 184 отдельных файлов не так много для обучения, я думаю, поэтому я думал о том, чтобы разделить каждую XY-данную на временной ряд размером 5 и использовать LSTM для обучения. $\endgroup$ Dawid – Dawid 2019-08-05 08:17:13 +00:00 Комментировано 5 августа 2019 г. в 8:17 Добавить комментарий | 1 Ответ 1 Отсортировано по: Сбросить до значения по умолчанию Наивысший рейтинг (по умолчанию) Измененная дата (новые первыми) Созданная дата (старые первыми) 0 $\begingroup$ LSTM может быть сложным, я дам свой $0.02. Входной слой LSTM определяет форму, поэтому он будет выглядеть примерно так. Если я правильно понимаю ваш вопрос, ваши данные можно представить как 184 образцов с 2 временными шагами и 70 признаками? Итак, начало кода может выглядеть следующим образом: model = Sequential() model.add(LSTM(184, input_shape=(50, 2))) Поделиться Улучшить ответ Следить за изменениями отредактировано 20 января 2023 г. в 16:13 Marcelo Fornet 173 8 8 бронзовые значки отвечено 29 августа 2020 г. в 14:00 CoffeeBaconAddict 81 7 7 бронзовые значки $\endgroup$ Добавить комментарий | Вам необходимо войти, чтобы ответить на этот вопрос. Задавайте вопросы, чтобы получить ответы Найдите ответ на свой вопрос, задавая его. Задайте вопрос Исследуйте связанные вопросы python keras time-series long-short-term-memory Смотрите похожие вопросы с этими тегами.