Conv1D可降低LSTM的尺寸

时间:2018-08-14 17:22:03

标签: conv-neural-network lstm dimensionality-reduction

我希望使用CNN来降低我的LSTM层的尺寸。

我有一个面板数据集,如下所示:

sequence of days = 5065
lags = 14 days (those are time series lags)
features = 2767

因此,[5065, 14, 2767]

如您所见,我拥有的功能是数据点的一半以上,我想减少这一点。理想情况下,我想为LSTM层提供具有32个要素之类的压缩要素信息,希望具有以下形状:

[5065, 14, 32]

但是,在设置CNN时,我知道过滤器应该为32,但是内核大小呢?我不确定我在做正确的事。

1 个答案:

答案 0 :(得分:0)

在CNN上,通常使用1x1的内核大小进行降维。由此,仅过滤器/特征图的尺寸受到影响,并且空间信息保持完整,因为输入是1:1映射到输出的。

这里的一个很好的例子是Inception体系结构,该体系结构使用1x1卷积来减小初始模块中的维数。