Deprecated: Function get_magic_quotes_gpc() is deprecated in /home/ustmbir/domains/deeplearning.ir/public_html/qa/qa-include/qa-base.php on line 1177
تبدیل چند سری زمانی غیر مرتبط به تصویر - پرسش و پاسخ یادگیری عمیق
به بخش پرسش و پاسخ یادگیری عمیق خوش آمدید,
این نسخه آزمایشی سایت است.
لطفا به نکات زیر توجه کنید:
  • برای ارتباط با مدیران میتوانید از صفحه مدیران اقدام کنید.
  • سوال و جواب ها باید به زبان فارسی باشند. استفاده از زبان انگلیسی یا فینگلیش برای پاسخ دادن مجاز نیست.
  • لطفا بعد از پرسش سوال لینک سوال خود را در گرو تلگرام (Iran Deep Learning Group) معرفی کنید تا سریعتر به جواب برسید. برای دسترسی به آخرین لینک از منابع یادگیری استفاده کنید
  • لطفا بجای عکس از متن استفاده کنید. اگر متون طولانی هستند از سایت pastebin.com برای اپلود استفاده کرده و لینک حاصل را در سوال خود قرار دهید. برای قرار دادن تصویر ، از بخش ارسال تصویر ادیتور سایت استفاده کنید.
  • بعد از دریافت پاسخ، بهترین پاسخ را از طریق کلیک بر روی علامت تیک انتخاب کنید
  • اگر با خطا و یا مشکلی مواجه شدید از بخش تماس با ما در انتهای صفحه و یا ایمیل Coderx7@gmail.com موضوع را اطلاع دهید.

با تشکر

دسته بندی ها

0 امتیاز

سلام
من میخواهم چند سری زمانی غیر مرتبط (میزان وزش باد، دما و ...) رو تبدیل به تصویر کنم که بتونم conv2d بزنم روش.
1- چون مدل داده ها یکی نیست آیا تبدیل هرکدوم به تصویر و بعد به صورت ستونی چیدنشون روی هم کار درستی هست ؟
2- آیا شبکه میفهمه که مثلا تو زمانی i وقتی دما بالا رفته همونجا هم سرعت باد کم شده ؟
3- الان چه ساختار خوبی برای خوندن همچین تصویری پیشنهاد میدین؟
با تشکر

توسط (208 امتیاز)

1 پاسخ

0 امتیاز

سلام
الزامی ندارید به تصویر تبدیل کنید میتونید از همین داده ها استفاده کنید و الزامی هم ندراید حتما از کانولوشن 2 بعدی استفاده کنید میتونید از یک بعدی استفاده کنید. شبکه ارتباط بین اینها رو در حین ترین فرامیگیره و بر همون اساس هم خروجی خودش رو تولید میکنه. منتها نکته مهم بحث بالانس کردن لاسها هست (یکی از نکات مهم اینه که باعث نشه یکی بقیه رو تحت تاثیر خودش قرار بده یعنی کانتربیوشن بیشتری نسبت به بقیه داشته باشه و اثر بقیه خنثی یا خیلی کمرنگ بشه)
وقتی هم میخوایید تبدیل به تصویر کنید شهودی برید جلو بهتره چون شما دارید یک ورودی جدید میسازید و شیوه ارتباط اینها با هم و اثربخشی کاری که دارید میکنید همه متاثیر از نحوه فرموله سازی و پیاده سازی اونه. میتونید تست کنید ببینید در حالت عادی چطوریه بعد کمکم حالتهای مختلف رو تست کنید ببینید امیدوارد کننده هست یا نه اگر نبود از همین روش دوم استفاده کنید
تو بخش آخر من تجربه چندانی ندارم اما convlstm میتونه گزینه خوبی برای شروع باشه.

توسط (4.3k امتیاز)
...