如何在序列结束之前预测类别：序列分类（在Keras中使用RNN / LSTM）？

Question

我一直在Keras中使用LSTM进行序列分类。 我有200个序列属于两个类0或1 每个序列都有一个从T1，T2，T3 ..... T50开始的时间步长

训练后如何在时间步骤T40（序列结束之前）更早地​​预测班级？

例如：培训

给出：1、2、3、4、5->预测：“好”

给出：6、7、8、9、10->预测：“不好”

预测：（我需要什么）

给出[1,2,3]->预测：“好”

我确信我的上述要求将会有一些方法/论文/资源。

我的工作模型

我的数据包含车辆CAN信号，动态数据。

X.shape = (195,100,4) 
# 195 segments, each segment is of shape 100*4 
# every row in 100*4 corresponds to each Time step 
# each time step in 100*4 represented as t1, t2, t3,.....t100

Y.shape(195,)
# each segment out of 195 segments belongs to either 0 or 1 (2 classes)

Keras代码

input_ = Input(shape=(100,4))

x = LSTM(10, return_sequences= True, activation='tanh')(input_)

x = GlobalMaxPool1D()(x) 

output = Dense(1, activation="sigmoid")(x)

model = Model(inputs=input_, outputs=output)

model.compile(
  loss='binary_crossentropy',
  optimizer=Adam(lr=1e-3),
  metrics=['accuracy']
)

# Training
r = model.fit(
  X,
  Y,
  batch_size=5,
  epochs=100,
  validation_split=0.1
)

Answer 1

做任何教程如何在您的API中进行一维卷积。我没有和Keras合作，但是就像：

1）具有大小（批次，序列，项目）的数据集，其中项目的大小为1，您可能会喜欢：[[[1]，[2]，[3]，[4]，[5] ] ... [[1]，[2]，[0]] [[1]，[0]，[0]] ...]等一批。如果convo的大小为1，则将其填充为零。 例如，将大小为3的Convo层应用于每个序列： [[1]，[2]，[3]，[4]，[5]]-> convo1d->（1,2,3）（2,3,4）（3,4,5），其中（ 1,2,3）是地图套用的结果

2）然后，大小为conv的输出（批处理，sequence-map_size + 1，项）进入某个递归层，在您的情况下将是多对多，这意味着在每个输入之后创建输出并反向传播项目顺序。

如果您要发送数据给我，我可以在Pytorch中实现它，真的很简单