1.对于训练数据的输入:
对于input_shape,下面问题的解答很好的阐述了。
举个实例:
参考https://blog.csdn.net/shine302/article/details/79854109
python: model.add(LSTM(100, return_sequences=False, input_shape=(time_steps, n_features)))
参数解释:
1)每个脑电波信号都由time_steps(channel)个单元组成,而每个单元用n_features(time/采样点)维的向量表示。
*当经过一些特征处理方法(如fbcsp+特征提取)后,特征如从(157,20,2001)降维到(157,6)后,在输入网络训练时可以设置n_features=1(数据转换时用一个reshape函数即可),即reshape后的数据为(157,6,1)【效果比reshape(157,1,6)好。。原理有点奇怪,大概是一组特征之间的相互关系】
2)return_sequences:布尔值,默认False,控制返回类型。若为True则返回整个序列,否则仅返回输出序列的最后一个输出
(未完)