Conv1D 作为 LSTM 的降维答案

【问题标题】：Conv1D as dimensionality reduction for LSTMConv1D 作为 LSTM 的降维
【发布时间】：2018-08-14 17:22:02
【问题描述】：

我希望将 CNN 用作我的 LSTM 层的降维。

我有一个面板数据集如下：

sequence of days = 5065
lags = 14 days (those are time series lags)
features = 2767

因此，[5065, 14, 2767]

如您所见，我的特征是数据点的一半以上，我想减少它。理想情况下，我想为我的 LSTM 层提供压缩的特征信息，比如 32 个特征，希望是以下形状：

[5065, 14, 32]

但是，在设置 CNN 时，我知道过滤器应该是 32，但是我的内核大小呢？我不确定我做的是否正确。

【问题讨论】：

【解决方案1】：

在 CNN，通常使用1x1 的内核大小进行降维。因此只有滤波器/特征图维度受到影响，空间信息保持不变，因为输入是 1:1 映射到输出的。

Inception 架构就是一个很好的例子，它使用 1x1 卷积来降低 inception 模块中的维数。

【讨论】：