Neural network 时间序列数据的分类算法_Neural Network_Artificial Intelligence_Conv Neural Network_Recurrent Neural Network

Neural network 时间序列数据的分类算法

neural-network artificial-intelligence

Neural network 时间序列数据的分类算法,neural-network,artificial-intelligence,conv-neural-network,recurrent-neural-network,Neural Network,Artificial Intelligence,Conv Neural Network,Recurrent Neural Network,我有时间序列数据（一个30秒的实例），如图所示，我想知道我可以使用什么样的分类算法。在图像中，我们有两个类（一个用蓝色表示，另一个用橙色表示）。在图像的左侧部分，我们用时域表示数据，在右侧是等效的傅里叶变换。我正在考虑使用LSTM来训练这两个域的数据，并将上述表示转换为图像，然后使用CNN进行训练。任何建议，如更好的算法或更好的数据表示，都会有所帮助。一种适合您需要的架构是 WaveNet体系结构用于处理非常长的序列（您的序列相当长），并且已被证明在中的几个任务上优于基于LSTM的RNN

我有时间序列数据（一个30秒的实例），如图所示，我想知道我可以使用什么样的分类算法。

在图像中，我们有两个类（一个用蓝色表示，另一个用橙色表示）。在图像的左侧部分，我们用时域表示数据，在右侧是等效的傅里叶变换。我正在考虑使用LSTM来训练这两个域的数据，并将上述表示转换为图像，然后使用CNN进行训练。

任何建议，如更好的算法或更好的数据表示，都会有所帮助。

一种适合您需要的架构是

WaveNet体系结构用于处理非常长的序列（您的序列相当长），并且已被证明在中的几个任务上优于基于LSTM的RNN

我不知道你说的是什么意思

将上述表示转换为图像并使用CNN进行训练

因此，我建议坚持使用递归模型或WaveNet进行序列分类。

训练集是否仅限于这两个信号？是，训练集是以蓝色和橙色显示的信号的组合。只有信号，我表示了该信号的两个不同类别。使用matplotlib绘制数据后，绘制的数据存储为图像（png、jpeg等），之后这些图像用于训练CNN。这有点愚蠢吗？虽然这是可能的，但我绝对不建议这样做，因为它不太可能比基于序列的模型表现更好。