1樓：哈哈哈
振動訊號就是天然的一維時間序列資料。
卷積神經網路可以用在不同故障狀態下的振動訊號分類，據此進行機械裝置故障診斷。
更進一步地，如果訊號中雜訊較多的話，可以考慮使用特殊形式的卷積神經網路，例如深度殘差收縮網路
[1]。在軟閾值化層的幫助下，深度殘差收縮網路更適合含噪振動訊號[2]。
深度殘差收縮網路
2樓：
CNN可以處理時間序列，思路有2個
1、對時間序列進行一維卷積
2、借用了影象識別的處理，將時間序列表徵為影象，時間序列轉化為黑白影象，即二維矩陣
3樓：魔法小松鼠
那我建議你看一下wide-and-shallow cnn，就是用cnn對文字進行分類，和你這個隨時間變化的序列相似。網上有很多教程。
4樓：Ryan
當然可以，時序上的研究一直都有兩個流派，即RNN與CNN。再說拿tensorflow舉例，tf.conv1這個函式就是可用來計算你的問題。
當然我更喜歡用2D的，即樓主提到的那種格式。想過很高，而且計算速度快。處理時序問題上吸取一些RNN的精髓，比如門控，記憶等，效果不比LSRM，GRU差。
如何將一維訊號應用於卷積神經網路？
王華 1 2000的序列。一維卷積，那卷積核維度就是1 N唄，然後也不用池化層了，說白了卷積的作用就是濾波器了，最終序列變成1 2000 N 1 維，如果有3個卷積核，那就是3個1 2000 N 1 然後max池化變成1 2000 N 1 維，然後鏈結全網路處理啦。比如乙個2000序列二分類問題，p...
卷積神經網路和BP神經網路的關係？
乙個維度的BP神經網路就相當於CNN中的全連線了，無非是多幾個全連線，CNN是二維，二維如果搞成全連線就導致運算量巨大，所以有了權重共享，大大減少了運算量，CNN卷積的思想肯定也源於BP神經網路就，在影象上做二維卷積的CNN發出炫目的光芒下，BP神經網路就已經快被人們遺忘了，但是不管CNN再怎麼發展...
卷積神經網路（CNN）和迴圈神經網路 RNN 有什麼區別？
不存在的1990 從字面區分 cnn 裡面的 c指 convolutional operation，是一種提取影象特徵方法。把這一operation加入到layer裡面構成了convolutional layer。rnn裡的r 指recurrent，中文是重複的意思。rnn構造的結構也是recurr...