如何在我的 LSTM 网络前实现 1D CNN答案

【问题标题】：How can I implement a 1D CNN in front of my LSTM network如何在我的 LSTM 网络前实现 1D CNN
【发布时间】：2020-07-14 20:07:27
【问题描述】：

目前我像这样重塑我的 X_train：

X_train = input.reshape(1,1,12)

model = Sequential()
model.add(LSTM(100,input_shape=(1, 12)))
model.add(Dense(100, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(9, activation='sigmoid'))

但现在我正在考虑在这个 LSTM 层之前实现一个 1D CNN。有人知道这应该怎么做吗？

【问题讨论】：

您的问题解决了吗？
不，还没有，但我认为您的回答可能是正确的。当我解决这个问题时，我会更新。感谢您的帮助！

标签： python keras time-series lstm conv-neural-network

【解决方案1】：

您有一个keras.layers.Conv1D（请参阅doc），可以将其应用到您的网络输入。

如果您输入的形状为 (1,1,12) 并且应用了 K 个过滤器，您将获得形状为 (1,1,K) 的输出：因此您可能希望将其交换为 (1,12,1) 以将步骤置于第二位置（检查文档）。

请注意，model.summary() 可能会帮助您调试网络的输入和输出形状。

【讨论】：

但在我的例子中，12 是特征的数量。我有 12 个时间序列信号