Python 使用什么方法学习信号数据中的特定区域

我得到了以下一组数据：

• 纳米孔信号数据列表，例如

  [88.2、92.5、…101.5]

• 一个数字值，说明特定材料在信号数据中的位置，例如5=>该特定物质位于相应信号数据的第5个索引中

我尝试使用

Keras

实现机器学习，使用双向

LSTM

模型来学习信号数据和数值索引值之间的模式

我在网上读过一些示例代码，并试图使用它们，但我面临一些问题。甚至不确定我的方法是否合适

因为我读过的大多数代码的输入和标签的尺寸都是相等的，所以我制作了一个零数组，它与信号数据的长度相匹配，并将1作为数值的索引值

e.g. Signal = [1, 2, 4, 5]
     Label = [0, 0, 1, 0]

在对数据进行这样的修改之后，我尝试实现双向LSTM，但收到了值错误

#信号_数据集=（3912，24160）->长度为24160的3912序列
#label_数据集=（3912，24160）->长度为24160的3912个序列。
#三维转换
sig_数据集=sig_数据集。重塑（1，len（sig_数据集），len（sig_数据集[0]））
lab_数据集=lab_数据集。重塑（1，len（lab_数据集），len（lab_数据集[0]））
列车尺寸=整数（长度（sig数据集）*0.8）
trainX，trainY=sig_数据集[：train_大小]，adap_数据集[：train_大小]
validX，validY=sig_数据集[序列大小：]，adap_数据集[序列大小：]
#定义LSTM
模型=顺序（）
添加（双向（LSTM（512，返回序列=True），输入形状=（24160，1）））
model.add（时间分布（稠密的（1，activation='sigmoid'））
model.compile（loss='mean_squared_error'，
优化器='adam'，
指标=['acc']）
hist=模型拟合（列车X，
训练有素的，
纪元=10，
批次大小=1，
验证_数据=（validX，validY））

---

ValueError：检查输入时出错：预期

双向\u 32\u输入

有3个维度，但得到了

形状的数组（318424160）

---

我做错了什么？这种做法正确吗？请给我任何建议

sig_数据集=sig_数据集。重塑（1，len（sig_数据集），len（sig_数据集[0]，1））

sig_数据集=sig_数据集。重塑（1，len（sig_数据集），len（sig_数据集[0]，1））