acc定义代码 神经网络_基于深度学习的时间序列分类[含代码]

更多机器学习关注公众号。

引言

目前，深度学习在计算机视觉和语音识别上有了非常广泛的应用，但是在工业应用方面还没有完善的体系，一方面缺乏数据集另一方缺乏优秀的顶级论文。在工业上的故障诊断领域，大多数据都来自于传感器的采集，如是西储大学轴承数据，TE化工数据集等，都是典型的时间序列，因而绝大多数问题可以抽象成时间序列分类(TSC)问题。因此本人准备从时间序列分类出发，用典型的深度学习方法，如多层感知器，卷积神经网络，递归神经网络等去测试UCR数据集(共128个时间序列数据集)和自己仿真的时间序列，由此得到一些启发和规律，再将这些知识迁移到工业上的故障诊断领域。为了方便大家阅读和复现代码，本文就不再有过多的数学推到，多以代码和如何使用代码为主，用最直观的方式去解释一些实验结果。

数据集

在时间序列的数据集中，最权威的就属UCR Time Series，可以说是时间序列界的“Imagnet”，发文章必跑数据集，有一堆大牛在维护，并在2018年秋对其进行了意思大的更新。这个数据集很有意思，下载后解压密码要仔细读其PPT然后在其参考论文中寻找，如果想懒省事的朋友可以直接从这里下载。此数据集包含了128个时间序列数据集，下图为前八个
除了前人整理好的数据集数据集，我们在初期还可以自己设计一些简单的，容易识别的数据集来进行入门以及算法的初步筛选。不仅如此，为了探究模型结构的设计所考虑的因素或者验证自己的猜想，都需要有针对性的设计一些时间序列。比如一些单变量时间序列如：
方波，正弦波，锯齿波，等等，如下图所示
一些简单的多变量时间序列如下图所示