Question

我对keras很新。我想知道是否有人可以帮助我如何使用我的EEG数据来提供LSTM。我从306通道进行了1400次试验，长度为600分。

1-我想创建一个LSTM网络，在每个时间步t，第一层接收所有通道的输入（所有EEG通道最初被送入同一个LSTM层）

2-并且另一个网络由几个306 LSTM组成，每个LSTM在第一层仅连接到一个输入通道，然后第二个编码层通过接收连接作为输入来执行信道间分析所有通道LSTM的输出向量。

由于

Answer 1

如果我理解正确，代码应该是这样的：

def lstm_model():
   hidden_units = 512  # may increase/decrease depending on capacity needed
   timesteps = 600
   input_dim = 306
   num_classes = 10    # num of classes for ecg output
   model = Sequential()
   model.add(LSTM(hidden_units, input_shape=(timesteps, input_dim)))
   model.add(Dense(num_classes))
   adam = Adam(lr=0.001)
   model.compile(loss='categorical_crossentropy', optimizer=adam, metrics=['accuracy'])
   return model

def train():
   xt = np.array([])  # input_data shape = (num_trials, timesteps, input_dim)
   yt = np.array([])  # out_data shape = (num_trials, num_classes)
   batch_size = 16
   epochs = 10
   model = lstm_model()
   model.fit(xt, yt, epochs=epochs, batch_size=batch_size, shuffle=True)

在keras喂养LSTM

1 个答案: