1

私の仕事は、MATLAB と任意のニューラル ネットワーク フレームワークを使用して時系列データを分類することです。

タスクをより具体的に説明すると、コンピューター ビジョン分野の問題です。Is はシーン境界検出タスクです。

ソース データは、ビデオフローからの隣接フレーム ヒストグラム相関の 4 つの配列です。このデータに基づいて、この時系列を 2 つのクラスに分類する必要があります。

  • 「シーンブレイク」
  • 「シーンブレイクなし」

したがって、ネットワーク入力はソース データ エントリごとに 4 つの double 値であり、出力は 1 つのバイナリ値です。以下に src データの例を示します。

0.997894,0.999413,0.982098,0.992164
0.998964,0.999986,0.999127,0.982068
0.993807,0.998823,0.994008,0.994299
0.225917,0.000000,0.407494,0.400424
0.881150,0.999427,0.949031,0.994918

問題は、Matlab Neural Toolbox (patternnet など) のパターン認識ツールが、独立した entrues のような脅威ソース データであることです。しかし、以前の相関関係の履歴に基づいて決定を下す場合にのみ、結果が正確になると私は強く信じています.

しかし、時系列分析を提供する再帰ネット (delaynet や narxnet など) から有効な応答を得ることもできませんでした。

narxnet と delaynet はお粗末な結果を返し、これらのタイプのネットワークは分類タスクを解決することになっていないようです。ここではコードを挿入しませんが、Matlab Neural Toolbox GUI を使用してほぼ完全に自動生成されます。

私はどんな助けにも感謝します。特に、どのツールが自分のタスクを達成するのに適しているかについてのアドバイス。

4

1 に答える 1

1

この問題を分類するのがどれほど難しいかわかりません。サンプルを考えると、4 つの入力と 1 つの出力のフィードフォワード ニューラル ネットワークで十分です。

履歴入力の使用を主張する場合は、入力を前処理するだけで、次dのようになります。

新しい入力D(t)(時間のベクトル) は、時間の 1x4 ベクトルでt構成されます。は 1x4 ベクトルです ;...は 1x4 ベクトルです .d(t)td(t-1)t-1d(t-k)t-k

の場合t-k <0は、「0」として扱います。

したがって、入力として 1x(4(k+1)) ベクトルがあり、出力が 1 つあります。ダンが言ったように、あなたは良いを見つける必要がありますk.

重みについて言えば、ニューラル ネットワークは各入力次元に重みを割り当てるようにトレーニングされるため、入力に対するウィンドウ処理メソッドのような追加の前処理は必要ないと思います。

ニューラルネットワークは各入力次元を個別に考慮するため、少し面倒に聞こえます。つまり、隣接する 4 つの相関として情報が失われます。

考えられる解決策の 1 つは、前処理で近傍の特徴を抽出することです。たとえば、元の特徴を表す 2 つの特徴としてmeanとstdを使用します。

于 2012-12-18T15:29:34.713 に答える