Question

我目前正在研究Sturm et al. (2016) published in the Journal of Neuroscience的论文，试图使用python和TensorFlow Keras库复制其结果。

我是否强烈理解我是否了解他们按照第2.1节所述设计模型的方式。

由于缺乏该领域的经验，我无法完全理解以下几点。

他们使用一维或二维汇总池吗？
每层之后的确切输出形状是什么？
他们是否使用分类格式进行输出？
他们使用了辍学和其他任何图层吗？

您将如何设计所描述的模型？

提前感谢您的宝贵意见。

Answer 1

这是我的看法。

使用的数据集：Here和this论文中的数据集

他们使用1d还是2d汇总池层？

尽管他们没有具体说明在模型中使用的内容，但应该是一维池化。因为EEG信号只有二维（时间，通道），这是一维池化层接受的输入类型。此外，论文说（第2.1节），

The  first  linear  layer  accepts  an input  of  the  dimensionality  
301  time  points × 118  channels EEG features

但是他们接着说了些，这有点奇怪。

Each epoch’s spatio-temporal features(301  time  points×118  channels  for  aa-ay,  
301  time  point×58  channels  for  subject  od-obx)  were  vectorized  
into  one vector with 33518 (17458) dimensions.

我猜想他们在向量化之后会添加一个维度，以便单个输入具有2个维度。否则，将无法执行池化。也应该是35518（301x118）而不是33518。

每层之后的确切输出形状是什么？

似乎有两个DNN网络（一个用于第一个数据集，另一个用于另一个）。这不是我完全确定的。但这是必要的，因为两个数据集具有不同的输入大小。

(None, 301, 118) (None, 301, 58)
       |                |
       V                V
   Flatten()         Flatten()
       |                |
       V                V
(None, 35518, 1) (None, 17458, 1)
       |                |
       V                V
  Sumpooling()      Sumpooling()
       |                |
       V                V
  (None, 500)       (None, 500)
       |                |
       V                V
      Tanh             Tanh
       |                |
       V                V
  (None, 500)      (None, 500)
       |                |
       V                V
   Softmax(2)       Softmax(2)    
       |                |
       V                V
   (None, 2)        (None, 2)

他们是否使用分类格式进行输出？

他们正在解决双分类问题。是的，他们将使用分类格式。就像这样

If label 0 => [1 0]
If label 1 => [0 1]

它们也可以在最后一层带有一个Sigmoid（1）并具有原样的标签（即标量-0/1）。

他们使用了辍学和其他任何图层吗？

在本文中并没有真正提到他们使用了辍学。老实说，似乎也没有合适的地方使用辍学。唯一的地方是tanh之后。但是由于网络不是那么复杂，所以作者可能没有必要。

tf汇总层1d和2d

1 个答案: