LSTM/RNN多对一
Leb*_*oth 5 artificial-intelligence machine-learning neural-network deep-learning lstm
我有一个化学过程的数据集,由5个连续的输入向量组成,产生1个输出.每分钟对每个输入进行采样,而输出os每5个采样一次.
虽然我相信输出取决于之前的5个输入向量,但我决定为我的设计寻找LSTM.经过大量关于应该如何成为我的LSTM架构的研究后,我得出结论,我应该用零掩码一些输出序列,只留下最后一个输出.根据我的数据集,最终的架构如下:
我的问题是:我的3D输入张量参数应该是什么？例如[5,5,？]？还有什么应该是我的"批量大小"？它应该是我的样品数量吗？
由于您要进行多对一的序列建模,因此您无需在输出中填充零(不需要).最简单的事情是在最后时间步骤执行分类,即在RNN/LSTM看到第5个输入之后.3D输入张量的维度为[batch_size,sequence_length,input_dimensionality],其中sequence_length在您的情况下为5(第1-5行,第7-11行,第13-17行等),input_dimensionality也为5(即A列) - E). BATCH_SIZE取决于实例的个数(也多少可靠的数据),如果你有超过10,000的例子则30-50批量大小应该没问题(阅读本关于如何选择合适的批量大小的解释).
- 可能应该以[Keras]（https://keras.io/）开头，[This]（https://github.com/fchollet/keras/blob/master/examples/imdb_lstm.py）示例确实可以满足您的要求想要实现（您只需要以正确的格式提供数据）即可。 (2认同)
| 归档时间： |
|
| 查看次数： |
7071 次 |
| 最近记录： |