machine-learning - 将静态数据(不随时间变化)添加到 LSTM 中的序列数据

Question

我正在尝试构建如下图所示的模型。请看下面的图片:

我想在 LSTM 层中传递序列数据，在另一个前馈神经网络层中传递静态数据(血型、性别)。后来我想将它们合并。但是，我对这里的维度感到困惑。

• 如果我的理解是正确的(如图所示)，5维序列数据如何与4维静态数据合并？
• 另外，注意力机制与这种结构有什么区别？ (我在KERAS文档中发现注意力机制是一种用序列数据添加静态数据的方法)

基本上，我想添加静态数据和序列数据。任何其他建议表示赞赏。

Answer 1

我不确定我是否得到了你的要求，但我会尝试。

Keras 中的示例:

static_out = (static_input)

x = LSTM(n_cell_lstm, return_sequences=True)(dynamic_input)
x = Flatten()(x)
dynamic_out = (x)

z = concatenate([dynamic_out, static_out])

z = Dense(64, activation='relu')(z)

main_output = Dense(classes, activation='softmax', name='main_output')(z)

实际上，您正在使用 LSTM 架构，就像您仅使用动态数据一样，但最后添加来自静态数据的信息。希望这会有所帮助。