Question

我正在尝试制作CNN来对EEG进行分类。我的数据集由4320个观测值组成。每个观察值都是1440列的平面向量。它由8个180ms的电极信号组成。 $ \ left（8 * 180 = 1440 \ right）$ 。

我想使用一维卷积神经网络this article，它说明了如何使用Keras在python上制作一维CNN。但是我想用R来做。

我想重塑信号时遇到问题。我想我需要将数据集从4320 * 1440重塑为4320 * 180 * 8，但是我不知道如何实现。我尝试了函数x <- k_reshape(train.x, c(180,8))，但遇到以下错误：

Error in py_call_impl(callable, dots$args, dots$keywords) : 
TypeError: Failed to convert object of type <type 'dict'> to Tensor. Contents: {'C4_086': 31.419, etc...

有什么想法吗？

Answer 1

好，我使用了错误的功能。要重塑平面矢量，正确的方法是使用layer_reshape作为第一个布局。

这里以我的网络为例：

num_time_periods = 180
num_sensors = 8
input_shape = num_sensors*num_time_periods

model = keras_model_sequential()
model %>%
  layer_reshape(c(num_time_periods, num_sensors), input_shape = input_shape) %>%
  layer_conv_1d(100, 10, activation = 'relu', input_shape = input_shape) %>%
  layer_conv_1d(100, 10, activation = 'relu', input_shape = input_shape) %>%
  layer_max_pooling_1d(8) %>%
  layer_conv_1d(160, 10, activation = 'relu') %>%
  layer_conv_1d(160, 10, activation = 'relu') %>%
  layer_global_average_pooling_1d() %>%
  layer_dropout(0.5) %>%
  layer_dense(2, activation = 'softmax')

使用Keras和R重塑CNN的平面向量

1 个答案: