python - 使用 NN 进行权重预测

Question

我对机器学习这个话题比较陌生，所以我自然有几个问题希望你能帮助我或引导我朝着正确的方向前进。我之前有一个项目，在这个项目中，我们收集了人们正常行走以及鞋子里有石头的数据。我们测量了加速度，还使用了陀螺仪传感器。基于这些数据，我构建了一个神经网络，可以将信号分类为正常行走或受损行走。所以有两个可能的输出。现在我的想法是：我想使用相同的数据，建立一个可以预测参与者权重的网络（它也被记录下来了）。基于此我的三个问题： - 什么样的网络结构最适合这样的任务？（密集，CNN，LSTM，...) - 在网络基本上有两种选择（正常或行走障碍）之前，但现在我有一个连续的答案范围......如何解决这个问题？- 如何确保网络以合理的预测初始化？我希望所有的问题都有意义。任何帮助都感激不尽！

标签： pythonkerasneural-network

Answer 1

您可以使用您喜欢的 NNa 架构：

如果您使用序列，请使用 1d 卷积或 RNN。

当您处理回归问题时，您必须有一个没有激活函数的神经元作为输出。

看看这里，学习用 RNN 解决回归问题