java - 如何通过 dl4j 正确使用我的神经网络？

Question

我的问题:

我使用 deeplearning4j 实现了前馈模型和循环模型来检测一维信号中的异常情况。也许我缺少一个抽象，但我认为我可以通过以下方式解决这个问题:

1. 预处理数据。我有 5 个不同的故障类别，每个类别都有大约 40 个示例。每个失败都有自己的“结构”。
2. 构建一个具有 5 个输出神经元的神经网络，每次失败都有一个输出神经元。
3. 培训和评估。
4. 现在我想用真实数据测试我的网络，它应该检测很长的一维中的异常信号。这个想法是，网络应该以某种方式“迭代”信号并检测这些故障在里面。

这种方法可行吗？你有什么想法吗？

提前致谢!

Answer 1

这取决于这些缺陷的结构。

鉴于您有一个一维信号，我希望您的示例是一系列数据，它实际上是连续信号的窗口。

有多种方法可以模拟该问题:

滑动窗口

如果所有示例都具有相同的长度，则此方法有效。在这种情况下，您可以创建一个普通的前馈网络，该网络仅采用固定数量的步骤作为输入并返回单个分类。

如果你的真实数据没有足够的数据，你可以填充它，如果它的数据多于示例长度，那么你滑过序列(例如，窗口大小为2，序列abcd变成[ ab]、[bc]、[cd]，您将得到 3 个分类)。

据我所知，DL4J 中没有任何现成的东西可以实现此解决方案。但另一方面，使用 RecordConverter.toRecord 和 RecordConverter.toArray 将真实数据转换为 NDArray 来实现它应该不会太难。

循环网络

使用循环网络，您可以将神经网络应用于任意长度的序列数据。如果您要查找的故障在信号中可能具有不同的长度，那么这可能是您的选择。

循环网络可以有一个内部状态，在推理过程中每次调用时都会更新，并且它将在信号的每一步之后生成一个分类。

什么解决方案适合您，完全取决于您的实际具体用例。