小编Thu*_* N.的帖子

我想在LSTM层之后使用1D-Conv层对16通道400步距信号进行分类。

输入形状包括：

• X = (n_samples, n_timesteps, n_features)其中n_samples=476，n_timesteps=400，n_features=16是信号的样本，时间步长，和特征（或通道）的数量。

• y = (n_samples, n_timesteps, 1)。每个时间步标记为0或1（二进制分类）。

我使用1D-Conv提取时间信息，如下图所示。F=32和K=8是过滤器和kernel_size。1D-Conv之后使用1D-MaxPooling。32个单元的LSTM用于信号分类。模型应返回y_pred = (n_samples, n_timesteps, 1)。

该代码段如下所示：

input_layer = Input(shape=(dataset.n_timestep, dataset.n_feature))
conv1 = Conv1D(filters=32,
               kernel_size=8,
               strides=1,
               activation='relu')(input_layer)
pool1 = MaxPooling1D(pool_size=4)(conv1)
lstm1 = LSTM(32)(pool1)
output_layer = Dense(1, activation='sigmoid')(lstm1)
model = Model(inputs=input_layer, outputs=output_layer) 

模型摘要如下所示：

但是，出现以下错误：

ValueError: Error when checking target: expected dense_15 to have 2 dimensions, but got array with shape (476, 400, 1).

我想问题是形状不正确。请让我知道如何解决它。

另一个问题是时间步数。因为input_shape …

我想问:有A,B和C任何二进制数.获得后C = A & B(&为AND运营商),是否有可能恢复A从B和C？

我知道A通过操作将丢失信息.我们可以形成一个类似的功能B <...> C = A,以及它的复杂程度如何？

例如:

A = 0011
B = 1010
C = A & B = 0010

的第2位C是1,即第2位A和B必须1.但是,其他位缺少要恢复的信息.

先感谢您.