我想知道是否有人可以抽出一点时间来帮助我研究延时神经网络?在
据我所知,每一个神经元通过特定的时间步数对部分输入敏感。在我的例子中,我有一个序列中的31个氨基酸的2D数组(如果你愿意的话,时间)。每个条目都是一个稀疏编码的位域,宽度为21,如果是特定的acid,则为true,其他所有条目为false。在
据我所知,我需要使用卷积。我需要一个1D大小的内核。以图像类比,我有一个1D图像,它没有RGB通道,而是有21个通道,从而产生21个特征地图。我的卷积是1倍窗口大小x21。一、 我有21个神经元,每一个都对一个特定的通道敏感(在这个例子中是一个特定的氨基酸的存在)。在
源代码在git上: https://github.com/OniDaito/MRes/blob/master/nn01/nn01.py
我知道LSTMs,密集编码之类的会更好-我只想从已知的地方开始并从那里进步。在
我的问题是,我的假设是,1D卷积将产生一组对顺序和特定通道敏感的共享权重的神经元?在
干杯
本
目前没有回答
相关问题 更多 >
编程相关推荐