一维卷积神经网络

Question

我需要在EEG数据上测试CNN，而且我听说1D-CNN对于实时应用很有用。 我有5个测试主题，每个主题都有3个会话的数据。每个文件都包含来自56个电极/通道（56、260）的信号。

我正在努力寻找如何设置CNN以及如何转换数据的方法。

model = Sequential()
model.add(Conv1D(filters=64, kernel_size=3, activation='relu', input_shape=input_shape))

如何从（15，56，260）中为1DCNN选择输入形状？

Answer 1

因此，对于Keras卷积，应该这样保存：(examples, time_steps, features)。

位置：

• 示例（通常称为示例，但不要与传感器示例混淆）-它们是您的模型所具有的示例数量：15
• time_steps：传感器的连续连续测量：260
• 功能（还有频道）：独立/并行频道的数量：56

您的数据应设置为(15,260,56)。

如果您已经将其组织为(15,56,260)，则需要对其进行置换或转置，而不是进行重塑。您可以尝试numpy.swapaxes()。

一旦您的数据被正确地组织为(15, 260, 56)，则可以使用input_shape=(260,56)或什至input_shape=(None, 56)创建网络，以备需要可变长度的序列。

---

如果您想尝试循环网络，甚至将循环与conv1d混合使用，也需要使用相同的形状。