我已经构建了一个 CNN(与 LSTM 单元相结合),它将一维时间序列数据作为输入并执行分类。我获得了良好的性能,但完整的数据实际上有 6 个维度,而我一次只使用一个(每个维度单独获得非常相似的性能)。
我尝试对 6D 数据使用相同的架构,与仅使用 1D 相比,它产生了非常微小的改进。我不确定这是否是因为架构应该不同以考虑额外的维度,或者可能是使用完整的 6 个维度实际上没有任何优势。
为了提高性能,我应该对架构进行任何修改吗?
我已经构建了一个 CNN(与 LSTM 单元相结合),它将一维时间序列数据作为输入并执行分类。我获得了良好的性能,但完整的数据实际上有 6 个维度,而我一次只使用一个(每个维度单独获得非常相似的性能)。
我尝试对 6D 数据使用相同的架构,与仅使用 1D 相比,它产生了非常微小的改进。我不确定这是否是因为架构应该不同以考虑额外的维度,或者可能是使用完整的 6 个维度实际上没有任何优势。
为了提高性能,我应该对架构进行任何修改吗?