Model 如何为时间序列数据建立KERAS模型？

我开始学习Keras，并试图建立一个模型来训练我的数据

数据是存储在3d数组中的时间序列，如图所示。 我试图使用layerLSTM对数据进行分类，但模型无法学习！这是使用的模型：

model <- keras_model_sequential() 
model %>% 
    layer_lstm(units = 32, return_sequences=TRUE, input_shape=c(timesteps, data_dim)) %>% 
    layer_lstm(units = 32, return_sequences=TRUE) %>% 
    layer_lstm(units = 32) %>% 
    layer_dense(units = num_classes, activation = 'softmax')%>% 
  compile(
    loss = 'categorical_crossentropy',
    optimizer = 'rmsprop',
    metrics = c('accuracy')
  ) 

型号%
层（单位=32，返回序列=TRUE，输入形状=c（时间步长，数据尺寸））%>%
层（单位=32，返回序列=TRUE）%>%
层厚度（单位=32）%>%
层密度（单位=数量类，激活='softmax'）%>%
编撰(
损失='categorical_crossentropy'，
优化器='rmsprop'，
指标=c（‘准确度’）
) 

---

我也想尝试使用卷积层，但我不知道如何设置模型（在本例中，目的是找到类似图像的信号）。有人可以帮我为LSMT和CONV定义一个简单的模型？

您的模型看起来很不错。请检查以下内容：1-您确定您的目标/真实数据完全包含在0和1之间吗？--2-每个样本是否只有一个正确的类别，或者可能有两个或更多正确的类别？对不起，我看不到图片。标签是什么样子的？（您可以将图像上载到stackoverflow--编辑问题时，文本编辑器顶部有一个图像按钮）1）图像中的数据未规范化2）是的，只有一个正确的类，但也许我还可以添加中间类在这些情况下使用卷积层是否正确？可能的模型是什么？因为您使用的是“softmax”，所以您的数据必须是热编码的形式。如果你的标签是整数（class1、class2、class3……），你可以使用keras

to_category（）

函数在“训练前”对其进行转换。你的模型看起来还不错。请检查以下内容：1-您确定您的目标/真实数据完全包含在0和1之间吗？--2-每个样本是否只有一个正确的类别，或者可能有两个或更多正确的类别？对不起，我看不到图片。标签是什么样子的？（您可以将图像上载到stackoverflow--编辑问题时，文本编辑器顶部有一个图像按钮）1）图像中的数据未规范化2）是的，只有一个正确的类，但也许我还可以添加中间类在这些情况下使用卷积层是否正确？可能的模型是什么？因为您使用的是“softmax”，所以您的数据必须是热编码的形式。如果您的标签是整数（class1、class2、class3……），您可以使用keras

to_category（）

函数在“训练前”对其进行转换。