【问题标题】:Classifying Algorithm for time series data时间序列数据的分类算法
【发布时间】:2019-12-07 02:41:06
【问题描述】:

我有如图所示的时间序列数据(一个30秒的实例),我想知道我可以使用什么样的分类算法。 This is how the data looks in time and frequency domain

在图像中,我们有 2 个类(一个用蓝色表示,另一个用橙色表示)。在图像的左侧,我们有在时域中表示的数据,在右侧有等效的傅立叶变换。 我正在考虑使用 LSTM 来训练两个域的数据,并将上述表示转换为图像并使用 CNN 进行训练。 任何建议(例如更好的算法或更好的数据表示)都会有所帮助。

【问题讨论】:

  • 训练集是不是只有这两个信号?
  • 是的,训练集是蓝色和橙色信号的组合。只有信号,我代表了该信号的 2 个不同类别。

标签: neural-network artificial-intelligence conv-neural-network recurrent-neural-network


【解决方案1】:

一种适合您需求的架构是WaveNet

WaveNet 架构用于处理非常长的序列(您的序列相当长),并且在the original paper 中的多个任务上已被证明优于基于 LSTM 的 RNN。

我不确定你的意思

将上述表示转换为图像并使用 CNN 进行训练

所以我建议坚持使用循环模型或 WaveNet 进行序列分类。

【讨论】:

  • 使用 matplotlib 绘制数据后,绘制的数据存储为图像(png、jpeg 等),然后这些图像用于训练 CNN。这有点傻吗?
  • 虽然这是可能的,但我绝对不建议这样做,因为它不太可能胜过基于序列的模型。
猜你喜欢
  • 2017-02-11
  • 2013-06-20
  • 1970-01-01
  • 2013-06-03
  • 2022-01-16
  • 2021-12-17
  • 2012-02-21
  • 1970-01-01
  • 2018-10-31
相关资源
最近更新 更多