如何用多通道一维对象训练神经网络？

Question

其目的是实现一个具有多通道（即输入层）的一维对象（如时间序列）的神经网络结构。其思想是在组合任何信道的特征映射以输出概率预测之前，在任何信道上应用独立的操作。在

一个可能的解决方案是使用Lasagne。宽面条是一种重量轻的包装。如果一个人需要Theano的灵活性，但又不希望总是从头开始编写神经网络层，则通常建议使用此方法。在

宽面条是否提供了在python中为1D对象实现多通道神经网络的工具？是否可以使用lasagne.layers实现多个输入层，或者应该使用no创建一个自定义层？在

Answer 1

二维卷积

时间序列的多通道实际上只是一个二维数据矩阵，你可以把它想象成一张图片。你可以应用标准的卷积层。在

如果您想“在组合任何信道的特征映射之前在任何信道中应用独立的操作”，那么可以通过将第一层中的卷积大小配置为在信道维度上窄（宽度1），在时间维度上宽；然后将以下层中的信道合并。在