基于keras的1D CNN时间序列分析

上传者: 38346042 | 上传时间: 2022-05-23 21:06:55 | 文件大小: 5KB | 文件类型: ZIP
CNN可以很好地识别数据中的简单模式,然后使用这些模式在更高的层中形成更复杂的模式。当您希望从整体数据集的较短(固定长度)片段中获得有趣的特征,且特征在片段中的位置相关性不高时,1D CNN非常有效。 这适用于传感器数据(如陀螺仪或加速度计数据)的时间序列分析。它还适用于分析固定长度周期内的任何类型的信号数据(如音频信号)。另一个应用程序是NLP(尽管在这里LSTM网络更有前途,因为单词的接近程度可能并不总是一个可训练模式的良好指示器) 博客地址:https://blog.csdn.net/weixin_38346042/article/details/121742025?spm=1001.2014.3001.5501

文件下载

资源详情

[{"title":"( 2 个子文件 5KB ) 基于keras的1D CNN时间序列分析","children":[{"title":"har-keras-cnn-master","children":[{"title":"20180903_Keras_HAR_WISDM_CNN_v1.0_for_medium.py <span style='color:#111;'> 11.97KB </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 1.13KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明