一维卷积神经网络答案

【问题标题】：1D Convolutional Neural Network一维卷积神经网络
【发布时间】：2020-02-13 11:30:03
【问题描述】：

我需要在 EEG 数据上测试 CNN，我听说 1D-CNN 对实时应用很有用。我有 5 个测试对象，每个对象都有 3 个会话的数据。每个文件包含来自 56 个电极/通道 (56, 260) 的信号。

我正在努力寻找如何设置 CNN 以及如何转换输入数据。

model = Sequential()
model.add(Conv1D(filters=64, kernel_size=3, activation='relu', input_shape=input_shape))

如何从 (15, 56, 260) 中选择 1DCNN 的输入形状？

【问题讨论】：

什么是 260？以及 3 个会话如何参与数据？
260 是信号的样本。所以每个通道（总共 56 个通道）有 260 个信号样本。 EEG 信号是从实验中提取的。每个受试者执行 4 次实验（4 个会话），前 3 个会话用于训练 NN。每个会话的目标是主题编号
什么叫“样本”，它们在时间上形成一个序列吗？
是的，信号是时间序列

【解决方案1】：

因此，对于 Keras 卷积，您应该保持这种方式：(examples, time_steps, features)。

地点：

然后您的数据应形成(15,260,56)。

如果您已经将其组织为(15,56,260)，则需要置换或转置它，而不是重塑。你可以试试numpy.swapaxes()。

一旦您的数据被正确地组织为(15, 260, 56)，您就可以使用input_shape=(260,56) 或input_shape=(None, 56) 创建您的网络，以防您需要可变长度的序列。

如果您想尝试循环网络，或者甚至将循环与 conv1d 混合使用，这也是您需要的相同形状。

【讨论】：