如何使用多通道1D对象训练神经网络？

Question

目的是实现具有1D对象（例如时间序列）的多个通道（即输入层）的神经网络架构。这个想法是在组合任何通道的特征图之前在任何通道中应用独立的操作，以输出概率预测。

可能的解决方案是使用Lasagne。烤宽面条是Theano的轻量级包装。如果需要Theano的灵活性但不想总是从头开始编写神经网络层，通常建议使用它。

Lasagne是否提供了在python中为1D对象实现多通道神经网络的工具？是否可以使用lasagne.layers实现多个输入图层，还是应该使用theano创建自定义图层？

Answer 1

2D卷积

多个时间序列通道实际上只是一个2D数据矩阵，您可以将其想象为图片。您可以为此应用标准卷积层。

如果你想“在组合任何通道的特征图之前在任何通道中应用独立的操作”，那么这可以通过将第一层中的卷积大小配置为窄（宽度1）来完成。渠道维度，时间维度广;然后组合以下层中的通道。