我正在尝试寻找一种方法来学习根据收集到的运动数据来识别重复的人体活动，并希望就我发现的一些挑战提供一些建议。在开始实际工作之前，我使用余弦波形作为类比确定了一组数据、方法和一组潜在挑战。
数据：
通过创建一系列不同频率和幅度的余弦波自行生成数据。
机器学习方法：
- 具有 X 维度的序列输入
- 具有 Y 个隐藏单元的 LSTM
- Z 全连接层
- 软最大
- 具有交叉熵的分类输出
挑战：
我将面临的一个特殊挑战是，网络可能只学习根据训练集中出现的频率和幅度对余弦波形进行分类。
我应该如何修改我的方法，使其对频率和幅度不那么敏感，而对我们看到的特征余弦波形更敏感？