我正在尝试使用 convolutional residual network neural network architecture (ResNet)。到目前为止,我已经使用 Keras 实现了用于时间序列数据分类的简单卷积 (conv1D)。
现在,我正在尝试使用 Keras 构建 ResNet,但在尝试使其适应时间序列数据时遇到一些困难。 Keras 中 ResNet 或 Nasnet 的大多数实现(例如 this one 或 that one )都使用 conv2D 进行实现(这对于图像来说很有意义)。
有人可以帮我实现这个时间序列数据吗?
最佳答案
你知道论文“Time Series Classification from Scratch with Deep Neural Networks: A Strong Baseline”吗?如果没有,你应该检查一下。作者对不同模型进行了非常全面的概述,包括针对时间序列分类进行调整的 ResNet 实现。
他们的 ResNet 的 Keras/Tensorflow 实现可以在 here 找到.
更新:用于时间序列数据的 ResNet(和其他分类器)的更新版本可以在 here 中找到。 .
关于python - 如何使 ResNet 适应时间序列数据,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/49337897/