RNN з використанням декількох часових рядів

Я намагаюся створити нейронну мережу, використовуючи часовий ряд як вхідний, щоб тренувати її на основі типу кожної серії. Я читав, що за допомогою RNN можна розділити вхід на партії та використовувати кожну точку часового ряду на окремі нейрони та врешті тренувати мережу.

Що я намагаюся зробити, це використовувати декілька часових рядів в якості вхідних даних. Так, наприклад, ви можете отримати вхід від двох датчиків. (Отже, два часові ряди), але я хочу використовувати обидва для того, щоб отримати остаточний результат.

Крім того, я не намагаюся передбачити майбутні значення часових рядів, я намагаюся отримати класифікацію на основі всіх них.

Як слід підходити до цієї проблеми?

• Чи існує спосіб використання декількох часових рядів як вхід до RNN?

• Чи варто спробувати об'єднати часовий ряд в один?

• Або я повинен просто використовувати дві різні нейронні мережі? І якщо цей останній підхід є правильним, якщо кількість часових рядів збільшується, чи не буде це занадто комп’ютерно інтенсивним?

Багатовимірний часовий ряд - це активна дослідницька тема, в якій ви знайдете багато останніх статей, що займаються цією темою.

Щоб відповісти на ваші запитання, ви можете використовувати одну RNN. Ви можете ввести одне значення для кожного кроку часу. Ніщо не заважає додавати ще одне значення на кожному кроці (якщо ваш датчик синхронізований). Потім ваша модель навчиться класифікувати двовимірний часовий ряд.

Ви перевіряєте цей блог . У вашому випадку тільки вихід відрізняється.

Що стосується двох останніх пунктів, то об'єднання часових рядів в один є ризиковим у тому сенсі, що ви можете втратити важливу інформацію під час процесу. Нарешті, головним недоліком останнього моменту є те, що ви не зможете використовувати потенційну кореляцію між двома часовими рядами для остаточної класифікації.