我正在尝试使用 convolutional residual network neural network architecture (ResNet)。到目前为止，我已经使用 Keras 实现了用于时间序列数据分类的简单卷积 (conv1D)。
现在，我正在尝试使用 Keras 构建 ResNet，但在尝试将其适应时间序列数据时遇到了一些困难。 Keras 中 ResNet 或 Nasnet 的大多数实现(例如 this one 或 that one )都使用 conv2D 来实现(这对图像有意义)。
有人可以帮助我为时间序列数据实现这个吗？
最佳答案
你知道论文“Time Series Classification from Scratch with Deep Neural Networks: A Strong Baseline”吗？如果没有，你应该检查一下。作者提供了对不同模型的非常全面的概述，包括针对时间序列分类调整的 ResNet 实现。
他们的 ResNet 的 Keras/Tensorflow 实现可以在 here 中找到。
更新: 可以找到用于时间序列数据的 ResNet(和其他分类器)的更新版本 here 。
关于python - 如何使 ResNet 适应时间序列数据，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/49337897/