我有一个电子元件，其传感器记录各种子元件的温度、电流和电压值。这些读数是定期获取的，我将它们组织为数据集的记录。除了这些功能之外，如果此时组件是否出现故障，数据集还有一个值为 1 或 0 的列。以下是数据集结构的示例：
我的目标是建立一个能够提前一段时间预测故障发生的模型，所以我认为这是一个多元时间序列预测问题。
我可以使用哪些方法来实现这一目标？我读过可以使用循环神经网络/LSTM，但我没有足够的 GPU。
具有二元目标的多元时间序列预测
数据挖掘
机器学习
分类
时间序列
预言
2022-03-02 09:19:23
1个回答
我最近在一台速度相对较慢、只有 CPU 的笔记本电脑上训练了一些多元 LSTM 回归，并且它奏效了。训练时间并没有花太多时间，这绝对是可行的。
关于你的问题，我肯定会使用一些 RNN 架构。LSTM 是迄今为止最强大的 RNN 单元，它们比 GRU 具有更多的内存并且能够学习更长的序列，但它们比 GRU 慢。根据您的喜好/情况进行选择。
最后的层必须是Dense()，并且最终的输出层应该有两个具有 softmax 激活的节点，以执行二进制分类。最合适的损失将是一些交叉熵度量。
其它你可能感兴趣的问题