我有一个由一组样本组成的数据集。每个样本由两个不同的解码信号 S1(t)、S2(t) 组成。两个信号是同步的；但是，它们显示了现象的不同方面。
我想训练一个卷积神经网络，但我不知道哪种架构适合这种数据。
我可以考虑两个输入通道，每个通道对应一个信号。但是，我不认为卷积两个信号可以产生适当的特征。
我相信最好的方法是在第一层分别处理每个信号，然后在最后一步将它们加入分类层。我怎样才能做到这一点？我应该使用什么架构？
当输入由两个不同的信号组成时，适当的卷积神经网络架构
人工智能
神经网络
深度学习
卷积神经网络
2021-10-19 10:09:53
2个回答
我不知道你所说的desctized信号是什么意思，但如果我正确理解你的问题，分离两个信号并将它们通过CNN的相同架构（即使具有不同的参数）不是一个好主意。因为当它们在一起（作为不同的通道）时，CNN 会对它们进行不同的处理（每个通道都有自己的参数），即使这样，网络也能够组合这两个信号，并通过从组合中提取的信息获得更好的结果。
您可以安全地将两个信号作为不同通道的输入。实际上，这是最好的方法。通过这种方式，网络能够在训练早期找到涉及两个信号的低度模式。因此，这也将能够及早发现更复杂的模式。
与人们可能从您的问题中理解的不同，这两个信号不会相互卷积，因为它通常在信号处理中完成。发生的卷积是具有双分量信号（您作为输入给出的信号）的第一层内核的卷积。可能会出现只能通过同时查看两个信号来识别的一阶模式。如果不是这种情况，内核将忽略一个信号或另一个（相应的权重为零）。