用于2D数据的Keras Conv1D Keras

Question

我是Keras的新手并试图实现时间序列信号分类器。信号的形式为csv [signal_class，time_stamp，X，Y]

我能够成功加载数据并绘制训练数据。

窗口大小为60，只有2个可能的类。我的网络架构应该是什么？如何重塑Conv1D输入的数据？

我目前正在关注Human Activity Recognition based on accelerometer data并尝试消除Z轴。此示例代码也在Tensorflow中，我正在尝试移植到Keras。

我正在使用Tensorflow后端。任何帮助表示赞赏。感谢。

Answer 1

LSTM（长短期记忆）是用于预测时间序列数据的最常见的神经网络类型（这些是特殊类型的RNN（递归神经网络））。 Jason Brownlee在神经网络方面有一些非常优秀的资源，特别是Keras，所以我建议在time series predictions with LSTMs using Keras上查看他的帖子（当然还有他的许多其他帖子）。大多数关于神经网络的入门书籍将涵盖基本类型的神经网络（CNN，RNN，LSTM，GRU），你可以找到几本专注于Keras的书籍。另外，在Github上搜索"time series keras"会出现许多不错的例子。