1樓：星辰大海
深度學習演算法（包括CNN）肯定可以直接處理一維訊號。
舉個例子，深度殘差收縮網路，就是用於處理一維振動訊號的一種深度學習方法，可以作為參考。它的網路結構如下圖所示：
深度殘差收縮網路其實是深度殘差網路（ResNet）的新型改進，將軟閾值化作為非線性層引入ResNet的網路結構之中，其目的是提高深度學習方法在含雜訊資料或複雜資料上的特徵學習效果。
原文：Minghang Zhao, Shisheng Zhong, Xuyun Fu, Baoping Tang, Michael Pecht,Deep residual shrinkage networks for fault diagnosis, IEEE Transactions on Industrial Informatics, 2020, 16(7): 4681-4690.
程式：https://
2樓：Fisher Yu余梓彤
直接把多通道的一維訊號合併成二維影象，然後直接按影象卷積的方法去做~~當然，如果像ECG這種只有單通道一維訊號，也可以直接一維卷積，效果一般~~可以看看語音處理的相關Net，其中比較推薦的是用 dilated conv 來做
3樓：Ivin
我覺得一維訊號預處理有點麻煩，假如待識別訊號的範圍差距很大，那就蠻難處理。不像影象，灰度影象自身就是0-255的畫素點大小範圍；而類似振動訊號，小的可能很小，大的振動可能也很大，歸一化也不好處理。如果用激勵層做對映，像tanh和sigmoid 基本都會崩掉，我感覺挺麻煩的，尤其在一維訊號無界或者範圍過大的情況。
4樓：
按語音識別的套路，先搞時頻圖。
或者直接上rnn也行。
當然，直接1d卷積也是可以的。
把shape處理好，就不會有計算流程的問題。
如何看待將開源的深度學習網路模型拿去申請專利
Ivlianvs 1，這是沒授權的，只是專利申請，不是專利。2，當然可能拿到授權，不是審查員漏過去了，就是正常授權。因為專利的保護範圍取決於權利要求，就算申請時獨權已經被現有技術公開，也可以修改後以更小的範圍授權。3，就算因為審查員沒有發現對比檔案，以很大的範圍授權了，那也無非是專利權人多花點專利維...
深度學習網路的寬度和深度怎麼理解，增加寬度和深度對網路模型有什麼影響？
拿LeNet試一下,發現亂改對結果影響不大.摘抄 淺層的寬度很重要,一般不少於24.但早期的LeNet只有6 模型加深還可能出現的一些問題是,導致某些淺層的學習能力下降，限制了深層網路的學習，這也是跳層連線等結構能夠發揮作用的很重要的因素。 讀了 柯均堂 的回答深有感觸剛好晚上閒著立刻動手做了個小實...
新人，有個問題是為什麼不把深度學習網路整合起來，比如把幾個resnet整合在一起。望各位大佬指教！
RyeP 模型整合本身確實沒什麼創新點，但做預訓練模型知識融合，還是很有趣的。Amalgamating Filtered Knowledge Learning Task customized Student from Multi task Teachers 當然可以，具體原因前排幾個都說了。你甚至可...