He leído la explicación de la convolución y la entiendo hasta cierto punto. ¿Alguien puede ayudarme a entender cómo esta operación se relaciona con la convolución en redes neuronales convolucionales? ¿Es el filtro como una función gque aplica
He leído la explicación de la convolución y la entiendo hasta cierto punto. ¿Alguien puede ayudarme a entender cómo esta operación se relaciona con la convolución en redes neuronales convolucionales? ¿Es el filtro como una función gque aplica
Soy nuevo en ML y TensorFlow (comencé hace unas horas), y estoy tratando de usarlo para predecir los próximos puntos de datos en una serie de tiempo. Estoy tomando mi entrada y haciendo esto con ella: /----------- x ------------\ .-------------------------------. | 0 | 1 | 2 | 3 | 4 | 5 | 6 | 7...
Estoy aprendiendo a usar Keras y he tenido un éxito razonable con mi conjunto de datos etiquetado utilizando los ejemplos de Deep Learning for Python de Chollet . El conjunto de datos es ~ 1000 Series temporales con longitud 3125 con 3 clases potenciales. Me gustaría ir más allá de las capas...
Los expertos en mi campo son capaces de predecir la probabilidad de un evento (pico binario en amarillo) 30 minutos antes de que ocurra . La frecuencia aquí es de 1 segundo, esta vista representa unas pocas horas de datos, he marcado en un círculo en negro donde debería estar el patrón "malicioso"...
Tengo un conjunto de datos compuesto por series de tiempo (8 puntos) con aproximadamente 40 dimensiones (por lo que cada serie de tiempo es de 8 por 40). La salida correspondiente (los posibles resultados para las categorías) es 0 o 1. ¿Cuál sería el mejor enfoque para diseñar un clasificador para...
¿Se puede aplicar el aprendizaje por refuerzo para el pronóstico de series de tiempo?
Supongamos que tengo un conjunto de señales en el dominio del tiempo sin absolutamente ninguna etiqueta . Quiero agruparlos en 2 o 3 clases. Los codificadores automáticos son redes sin supervisión que aprenden a comprimir las entradas. Entonces dado una entradax(i)x(i)x^{(i)}pesas W1W1W_1 y...
Tengo los siguientes datos para un pequeño proyecto paralelo. Es de un acelerómetro colocado encima de una lavadora / secadora y me gustaría que me avise cuando la máquina haya terminado. x son los datos de entrada (movimiento x / y / z como un valor), y es la etiqueta de encendido /...
Quiero hacer predicciones de un paso adelante para series temporales con LSTM. Para comprender el algoritmo, construí un ejemplo de juguete: un proceso simple autocorrelacionado. def my_process(n, p, drift=0, displacement=0): x = np.zeros(n) for i in range(1, n): x[i] = drift * i + p * x[i-1]...
Estoy tratando de hacer alguna detección de anomalías entre series de tiempo # usando Python y sklearn (¡pero otras sugerencias de paquetes son definitivamente bienvenidas!). Tengo un conjunto de 10 series temporales; cada serie temporal consta de datos recopilados del valor de torque de un...
Estoy usando el paquete keras para entrenar un LSTM para una serie de tiempo univariante de tipo numérico (flotante). Realizar un pronóstico anticipado de 1 paso es trivial, pero no estoy seguro de cómo realizar un pronóstico anticipado de 10 pasos, digamos. Dos preguntas: 1) Leí sobre NN de...
Tengo un conjunto de datos de series temporales de un sensor que aumenta linealmente, con rangos de valores entre 50 y 150. Implementé un algoritmo de regresión lineal simple para ajustar una línea de regresión en dichos datos, y estoy prediciendo la fecha en que la serie alcanzaría 120 Todo...