Keras 信号处理模型

Question

嘿嘿，我有一些信号处理的模型问题。

上下文：我有一些信号作为浮点数存储在 numpy 数组中，它们的长度都不同，我需要在特定时间点提取信号的偏移量，问题是我不知道在哪里该点在数组中，所以我无法调整数组的大小（以便所有信号具有相同的长度）。

我有大约 8000 个偏移量已知的信号。所以我想在他们身上训练模型。

我现在有什么

model = Sequential()
model.add(LSTM(256, input_shape=(None,1)))
model.add(Dropout(0.2))
model.add(Dense(1, activation="tanh"))
adam = Adam(lr=0.001)
model.compile(loss='mse', optimizer=adam,metrics=['mse', 'acc'])

input_shape=(None,1) 因为我不知道数组的长度
activation="tanh" 最后一层必须是可以 return 负的东西。

基本上我的模型不应该依赖于长度，应该输出负值和正值。这个模型不能满足我的需要，我想知道是否有人可以为我指明更好的方向。

"Doesn't work" 在 ~ 200 signals/batch 的 1000 轮训练后，每轮 100 步，输出为 "random" 并且与实际值相差甚远。

我正在考虑使用 ConvNet 而不是 LSTM。但是我不能使用 'Flatten' 或 'Reshape'.

一个带有 numpy savetxt 的信号

-1.118700742721557617e+00
-9.661099910736083984e-01
-9.661099910736083984e-01
-1.088183045387268066e+00
-1.149218797683715820e+00
-1.118700742721557617e+00
-1.088183045387268066e+00
-1.118700742721557617e+00
-1.149218797683715820e+00
-1.088183045387268066e+00
-1.088183045387268066e+00
-1.118700742721557617e+00
-1.179736852645874023e+00
-1.149218797683715820e+00
-1.118700742721557617e+00
-1.149218797683715820e+00
-1.240772962570190430e+00
-1.301809072494506836e+00
-1.240772962570190430e+00
-1.179736852645874023e+00
-1.149218797683715820e+00
-1.240772962570190430e+00
-1.332327008247375488e+00
-1.393362998962402344e+00
-1.362845063209533691e+00
-1.271291017532348633e+00
-1.240772962570190430e+00
-1.362845063209533691e+00
-1.423881053924560547e+00
-1.301809072494506836e+00
-1.088183045387268066e+00
-1.027147054672241211e+00
-1.118700742721557617e+00
-1.240772962570190430e+00
-1.332327008247375488e+00
-1.393362998962402344e+00
-1.332327008247375488e+00
-1.301809072494506836e+00
-1.271291017532348633e+00
-1.210254907608032227e+00
-1.057664990425109863e+00
-9.966289997100830078e-01
-9.966289997100830078e-01
-8.440380096435546875e-01
-5.083401203155517578e-01
-3.252310752868652344e-01
-4.778220653533935547e-01
-7.219660282135009766e-01
-7.219660282135009766e-01
-6.609300374984741211e-01

Answer 1

我不确定 "why" 您是否认为模型 "not working"。如果是因为指标，好吧，也许你可以增加层数，让它更多powerful/complex。

但如果是其他原因，请在问题中说明。

您可以使用 GlobalMaxPooling2D 或 GlobalAveragePooling2D 而不是 Flatten 或 Reshape 来构建卷积模型。

您可以在任何模型（包括 LSTM 模型）中做的一件非常有趣的事情是为当前位置添加数据。

例如，如果您的信号长度为 3：[s0, s1, s2]，您可以添加每个步骤的当前位置传递形状为 (None,2) 的输入数据，例如：[[s0,0],[s1,1],[s2,2]]

有了这个，您将帮助您的模型明确地具有绝对和相对位置，而无需依赖非常长的处理。

Keras 信号处理模型

Keras Signal Processing Model

python

regression

signal-processing

keras