用Keras建立故障分类LSTM神经网络
用Keras建立故障分类LSTM神经网络
提问于 2018-06-06 14:59:47
目的:将风电机组的时间序列数据实时分类为异常数据或非异常数据，并从中预测异常在以后更精细的模型中的位置。
我有一个CSV文件，6列对应于6个传感器在均匀测量。我知道我需要把它们分割成不同的向量到向量/张量来通过一个6输入神经网络来运行它们。
我的问题是如何创建一个LSTM来分类数据，而不是预测一个值？用乙状结肠？
回答 1
Data Science用户
发布于 2018-06-07 10:57:02
这很简单。
只需在LSTM网络之后添加一个密集层(Keras-方面)，就可以激活sigmoid。如果不使用Keras，密集层只是一个完全连接的神经元，只有一个单元(在您的例子中)，您可以很容易地在您喜欢的深度学习框架中实现它。
然后你可以训练你的网络使用软标记直接分类输入序列，这样它输出的概率从0到1，一个序列是异常的。不用说，您可以有任意数量的输入，而不仅仅是一个。
底线:在LSTM输出后使用一个单元(神经元)和乙状结肠激活的完全连接层。
页面原文内容由Data Science提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://datascience.stackexchange.com/questions/32740
复制相关文章
相似问题
腾讯云开发者
