RNN ใช้ซีรี่ส์อนุกรมหลายเวลา


14

ฉันกำลังพยายามสร้างโครงข่ายประสาทเทียมโดยใช้อนุกรมเวลาเป็นอินพุทเพื่อฝึกอบรมตามประเภทของแต่ละซีรีส์ ฉันอ่านว่าการใช้ RNNs คุณสามารถแบ่งอินพุตเป็นแบทช์และใช้ทุกจุดของอนุกรมเวลาเป็นเซลล์ประสาทส่วนบุคคลและในที่สุดก็ฝึกฝนเครือข่าย

สิ่งที่ฉันพยายามทำคือใช้หลายครั้งเป็นอินพุต ตัวอย่างเช่นคุณอาจได้รับอินพุตจากเซ็นเซอร์สองตัว (ดังนั้นอนุกรมสองเวลา) แต่ฉันต้องการใช้ทั้งสองอย่างเพื่อให้ได้ผลลัพธ์สุดท้าย

นอกจากนี้ฉันไม่ได้พยายามทำนายค่าในอนาคตของอนุกรมเวลาฉันพยายามจำแนกตามค่าทั้งหมด

ฉันจะแก้ไขปัญหานี้ได้อย่างไร

  • มีวิธีใช้อนุกรมเวลาหลายชุดเป็นอินพุตไปยัง RNN หรือไม่?

  • ฉันควรจะลองรวมอนุกรมเวลาเข้าด้วยกันหรือไม่?

  • หรือฉันควรใช้สองเครือข่ายประสาทที่แตกต่างกัน? และหากวิธีการสุดท้ายนี้ถูกต้องหากจำนวนชุดเวลาเพิ่มขึ้นนั่นจะไม่ทำให้คอมพิวเตอร์เข้มข้นเกินไปใช่ไหม

คำตอบ:


10

อนุกรมเวลาหลายตัวแปรเป็นหัวข้อการวิจัยที่ใช้งานอยู่คุณจะได้พบกับกระดาษจำนวนมากเมื่อเร็ว ๆ นี้การแก้ปัญหาเรื่อง

เพื่อตอบคำถามของคุณคุณสามารถใช้ RNN เดียว คุณสามารถป้อนหนึ่งค่าสำหรับแต่ละขั้นตอน ไม่มีอะไรทำให้คุณไม่ต้องเพิ่มค่าอื่นในแต่ละขั้นตอน (ถ้าเซ็นเซอร์ของคุณตรงกัน) โมเดลของคุณจะได้เรียนรู้วิธีการจัดประเภทด้วยอนุกรมเวลาสองมิติ

คุณตรวจสอบบล็อกนี้ ในกรณีของคุณเฉพาะเอาต์พุตจะแตกต่างกัน

สำหรับสองประเด็นสุดท้ายการรวมลำดับเวลาเป็นหนึ่งนั้นมีความเสี่ยงในแง่ที่ว่าคุณอาจสูญเสียข้อมูลสำคัญในระหว่างกระบวนการ ในที่สุดข้อเสียเปรียบหลักของจุดสุดท้ายของคุณคือคุณจะไม่สามารถใช้สหสัมพันธ์ระหว่างอนุกรมเวลาสองชุดสำหรับการจำแนกขั้นสุดท้ายได้


หากคุณใช้อนุกรมเวลาหลายครั้งเครือข่ายจะตอบสนองอย่างไรด้วยเหตุผลบางอย่างสำหรับตัวอย่าง 1 คุณมี 5 ซีรี่ส์ แต่สำหรับกลุ่มตัวอย่าง 2 คุณมี 4 (อาจเป็นเพราะคุณไม่มีข้อมูลจากเซ็นเซอร์ตัวสุดท้าย) จำเป็นหรือไม่ที่ถ้าคุณเริ่มต้นด้วย 5 ซีรี่ส์มันควรจะเป็น 5 เสมอหรือไม่ คุณควรรวมอนุกรมเวลาลำดับที่ 5 สำหรับ sample2 กับข้อมูลเฉลี่ยปลอม ๆ เพื่อที่จะได้ทั้ง 5 อย่าง
Ploo

1
แหมดีมีวิธีต่าง ๆ ในการขาดข้อมูล ฉันอยากจะแนะนำให้คุณใช้ค่า 0 เมื่อคุณไม่มีค่า มักใช้เมื่อเราไม่มีลำดับทั้งหมด X_t แต่เรายังต้องป้อนลำดับความยาว t มันเรียกว่าแพ็ดดิ้งหากคุณต้องการทราบข้อมูลเพิ่มเติมเกี่ยวกับเรื่องนี้
Daerken
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.