Keras 信号处理模型答案

【问题标题】：Keras Signal Processing ModelKeras 信号处理模型
【发布时间】：2018-12-12 20:39:51
【问题描述】：

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，它们都是不同的长度，我需要及时提取特定点的信号偏移量，问题是我不知道那个点在哪里在数组中，所以我无法调整数组的大小（以便所有信号都具有相同的长度）。

我有大约 8000 个已知偏移量的信号。所以我想在他们身上训练模型。

我现在拥有的东西

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" 最后一层必须也可以返回负数。

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出一个更好的方向。

“不起作用”，如在 1000 个 epochs 的约 200 个信号/批次，100 个 step/epoch 的训练后，输出是“随机的”，与实际值相差甚远。

我正在考虑使用 ConvNet 代替 LSTM。但我不能使用“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

【问题讨论】：

我不明白你的信号形式。模型不工作怎么办？你能给出一些示例数据和错误吗？
“不起作用”，如在 1000 个 epoch 训练后，约 200 个信号/批次，100 个 step/epoch，输出是“随机的”，与实际值相差甚远。
您想要检测的事物的签名有多长（以样本数计）？您应该定义一个感受野稍宽的模型，然后在感受野大小的帧上进行训练。训练数据必须分成这样的卡盘，并单独标记（可以从您的输入数据中自动完成）

标签： python keras regression signal-processing

【解决方案1】：

我不确定“为什么”您认为该模型“不起作用”。如果是因为指标，好吧，也许你可以增加层数，让它更强大/更复杂。

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]]

这样，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。

【讨论】：