RNN menggunakan beberapa seri waktu

14

Saya mencoba membuat jaringan saraf menggunakan deret waktu sebagai input, untuk melatihnya berdasarkan jenis masing-masing seri. Saya membaca bahwa menggunakan RNNs Anda dapat membagi input ke dalam batch dan menggunakan setiap titik dari rangkaian waktu menjadi neuron individu dan akhirnya melatih jaringan.

Apa yang saya coba lakukan adalah menggunakan beberapa seri waktu sebagai input. Jadi misalnya Anda mungkin menerima input dari dua sensor. (Jadi dua seri waktu), tapi saya ingin menggunakan keduanya untuk mendapatkan hasil akhir.

Saya juga tidak mencoba memprediksi nilai seri waktu di masa depan, saya mencoba mendapatkan klasifikasi berdasarkan semuanya.

Bagaimana saya harus mendekati masalah ini?

  • Apakah ada cara untuk menggunakan seri waktu multipel sebagai input ke RNN?

  • Haruskah saya mencoba menggabungkan rangkaian waktu menjadi satu?

  • Atau haruskah saya hanya menggunakan dua jaringan saraf yang berbeda? Dan jika pendekatan terakhir ini benar, jika jumlah deret waktu meningkat bukankah itu terlalu intensif komputer?

Ploo
sumber

Jawaban:

10

Rangkaian waktu multivarian adalah topik penelitian aktif yang akan Anda temukan banyak makalah terbaru yang membahas masalah ini.

Untuk menjawab pertanyaan Anda, Anda dapat menggunakan RNN tunggal. Anda dapat memasukkan satu nilai untuk setiap langkah waktu. Tidak ada yang menghalangi Anda menambahkan nilai lain pada setiap langkah waktu (jika sensor Anda disinkronkan). Model Anda kemudian akan belajar cara mengklasifikasikan dengan deret waktu dua dimensi.

Anda memeriksa blog ini . Dalam kasus Anda, hanya output yang berbeda.

Sedangkan untuk dua poin terakhir, menggabungkan deret waktu menjadi satu berisiko dalam arti bahwa Anda mungkin kehilangan informasi penting selama proses. Akhirnya, kelemahan utama dari poin terakhir Anda adalah bahwa Anda tidak akan dapat menggunakan korelasi potensial antara dua seri waktu untuk klasifikasi akhir.

Daerken
sumber
Jika Anda menggunakan beberapa seri waktu, bagaimana jaringan akan bereaksi jika karena beberapa alasan untuk sample1 Anda memiliki 5 seri tetapi untuk sample2 Anda memiliki 4, (mungkin karena Anda tidak memiliki data dari sensor terakhir). Apakah perlu jika Anda memulai dengan 5 seri, harus selalu 5? Haruskah Anda menyertakan seri waktu ke-5 untuk sample2 dengan data rata-rata palsu yang saya pesan agar semuanya 5?
Ploo
1
oh well ada pendekatan berbeda untuk data yang hilang. Saya akan merekomendasikan Anda untuk menggunakan nilai 0 ketika Anda tidak memiliki nilai. Ini sering digunakan ketika kita tidak memiliki seluruh urutan X_t tetapi kita masih harus memasukkan urutan panjang t. Ini disebut padding jika Anda ingin tahu lebih banyak tentang ini.
Daerken