我正在尝试建立一个如下图所示的模型。请看下图:
我想在 LSTM 层中传递序列数据,在另一个前馈神经网络层中传递静态数据(血型、性别)。后来我想将它们合并。然而,我对这里的维度感到困惑。
- 如果我的理解是正确的(如图所示),5维序列数据如何与4维静态数据合并?
- 另外,这种结构的注意力机制有什么不同? (我在KERAS文档中发现注意力机制是一种用序列数据添加静态数据的方法)
基本上,我想添加静态数据和序列数据。任何其他建议表示赞赏。
我不确定我是否得到了你的要求,但我会尝试。
示例中Keras
:
static_out = (static_input)
x = LSTM(n_cell_lstm, return_sequences=True)(dynamic_input)
x = Flatten()(x)
dynamic_out = (x)
z = concatenate([dynamic_out, static_out])
z = Dense(64, activation='relu')(z)
main_output = Dense(classes, activation='softmax', name='main_output')(z)
实际上,您正在使用 LSTM 架构,就像您仅使用动态数据一样,但最后添加来自静态数据的信息。希望这可以帮助。
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)