时间序列的Conv1D模型

Question

我是深度学习领域的新手，并且愿意为具有以下形状的时间序列构建Conv1D自动编码器：

• 样本：200
• 时间步长：23
• 功能：178

我不确定如何设置参数： filters，kernel_size 和 MaxPooling1D 层（行为是什么？）， Flatten （行为是什么？），以及如何在架构上设计最简单的Conv1D自动编码器。

我试图独自收集一些东西，但是我的版本根本无法使用：

input_layer = Input(shape=(TIMESTEPS, feature_size))
# ENCODER
x = Conv1D(filters=encoding_dim, kernel_size=TIMESTEPS, activation='relu', padding='valid')(input_layer)
x1 = MaxPooling1D(poolsize=TIMESTEPS)(x)
flat = Flatten()(x1)
encoded = Dense(units=encoding_dim, activation = 'relu')(flat)

print("shape of encoded {}".format(K.int_shape(encoded)))

# DECODER 
x_ = Conv1D(encoding_dim, TIMESTEPS, activation='relu', padding='valid')(encoded)
upsamp = UpSampling1D(TIMESTEPS)(x_)
flat = Flatten()(upsamp)
decoded = Dense(units=feature_size, activation = 'relu')(flat)
decoded = Reshape((TIMESTEPS, feature_size))(decoded)

print("shape of decoded {}".format(K.int_shape(decoded)))

autoencoder = Model(input_layer, decoded)

ValueError：输入尺寸为[？，1,1,59]的'max_pooling1d / MaxPool'（op：'MaxPool'）从1中减去23导致的负尺寸大小。