我正在嘗試使用 LSTM 對輸入數據進行編碼，然后從編碼數據中解碼/重新創建它。我有 100 個樣本需要運行，每個樣本有 40 個時間步長和 1260 個特征。我對網絡外觀的粗略想法如下。將數據輸入到 LSTM 層，將其編碼到密集層，然后使用最終的 LSTM 作為輸出層。model = Sequential()model.add(LSTM(100, input_shape=(40, 1260), return_sequences=True))model.add(Dense(100, activation='softmax'))model.add(LSTM(1260))model.compile(loss='mse', optimizer=adam, metrics=['accuracy'])model.fit(input_train, input_test, epochs=100, batch_size=1, verbose=2)我嘗試過不同的尺寸大小和隱藏層數量，但我無法獲得接近 1% 左右的準確度。提前致謝更新的代碼：timesteps = 40features = 1260model = Sequential()model.add(LSTM(200, input_shape=(timesteps,features)))model.add(RepeatVector(timesteps))model.add(TimeDistributed(Dense(features)))model.add(LSTM(1260, return_sequences=True))model.summary()opt = keras.optimizers.Adam(lr=0.001)model.compile(loss='mse', optimizer=opt, metrics=['accuracy'])model.fit(input_train, input_test, epochs=200, batch_size=16, verbose=1)
使用 LSTM 自動編碼器重新創建輸入
慕桂英4014372
2023-07-18 15:32:32
