如何使 ResNet 适应时间序列数据

Question

我正在尝试使用卷积残差网络神经网络架构(ResNet)。到目前为止，我已经使用 Keras 实现了用于时间序列数据分类的简单卷积 (conv1D)。

现在，我正在尝试使用 Keras 构建 ResNet，但在尝试将其适应时间序列数据时遇到了一些困难。Keras 中 ResNet 或 Nasnet 的大多数实现（例如this one或that one）都使用 conv2D 来实现（这对图像有意义）。

有人可以帮助我为时间序列数据实现这个吗？

Answer 1

你知道论文“从头开始使用深度神经网络进行时间序列分类：一个强大的基线””吗？如果没有，你应该检查一下。作者提供了对不同模型的非常全面的概述，包括针对时间序列分类调整的 ResNet 实现。

他们对 ResNet 的 Keras/Tensorflow 实现可以在这里找到。

更新：可以在此处找到用于时间序列数据的更新版本的 ResNet（和其他分类器）。