0.
$ \ begingroup $

假设我在左下方的时间序列数据集。我想以这样的方式训练一个模型,如果我用下面的测试序列等输入馈送模型,它应该能够将每个样本与正确的类标签分类。

训练顺序:测试顺序:时间,比特率,类时间,比特率预测等级0,312,10,234 -----> 0 0.3,319,10.2,261  -   -   - > 0 0.5,227,0 0.4,277 -----> 0 0.6,229,0 0.7,301 ----> 1 0.7,219,0 0.8,305 -----> 1 0.8,341,10.9,343  -----> 1 0.9,281,0 1.0,299 -----> 0 ... ... ...

那么,我应该建立什么样的神经网络来分类时间序列序列的每个实例?

$ \ endgroup $
    0.
    $ \ begingroup $

    一般序列,通常需要常规时间间隔,但是,从看你的榜样,似乎并非如此。

    您可以尝试使用MLP并将其作为输入时间和比特率对对并使它输出该类。您只向类显示0或1,所以二进制分类将是这样做的,因此使用SIGOID作为输出的激活和二进制交叉熵作为损失工作。

    $ \ endgroup $
    1
    • $ \ begingroup $ 谢谢马库斯!您有任何有用的教程等。建议,了解应该与哪种激活或反之亦然的损失函数? $ \ endgroup $-BBASARAN. 1小时前

    你的答案

    点击“发布答案”,您同意我们的同意服务条款隐私政策Cookie政策

    不是您要找的答案?浏览其他标记的问题必威英雄联盟或者必威电竞问你自己的问题