什么是滑动 windows 的多层感知器以及它是如何训练和测试的
What is a Multilayer perceptron with sliding windows and how it is trained and tested
MLP+sliding的定义是什么windows以及它是如何训练和测试的。它用于时间序列 prediction/classification 对吗？
例如，我有包含 10 个特征的时间序列数据。所有时间序列的长度都是 200 个时间步长。我想将它们分为 2 个不同的 类.
feature_1 = {............}
feature_2 = {............}
feature_3 = {............}
.
.
.
feature_10 = {............}
对于这种情况，我如何使用滑动 windows 训练 MLP。假设我想要一个 30 个时间步长的滑动 windows。输入有多少个节点？
多层感知器 (MLP) 是一种前馈神经网络，在输入层和输出层之间有一层或多层。
滑动window表示以下工作模式：
1. 您将输入行视为一些 window 的切片。例如 30 个输入。
2. 你从 1 到 30 个输入来预测第 31 次、第 32 次，以及你需要预测多少。
3. 然后你从第 2 行到第 31 行，以预测第 32 行、第 33 行等。
4. 继续训练。
MLP+sliding的定义是什么windows以及它是如何训练和测试的。它用于时间序列 prediction/classification 对吗？ 例如，我有包含 10 个特征的时间序列数据。所有时间序列的长度都是 200 个时间步长。我想将它们分为 2 个不同的 类.
feature_1 = {............}
feature_2 = {............}
feature_3 = {............}
.
.
.
feature_10 = {............}
对于这种情况，我如何使用滑动 windows 训练 MLP。假设我想要一个 30 个时间步长的滑动 windows。输入有多少个节点？
多层感知器 (MLP) 是一种前馈神经网络，在输入层和输出层之间有一层或多层。
滑动window表示以下工作模式： 1. 您将输入行视为一些 window 的切片。例如 30 个输入。 2. 你从 1 到 30 个输入来预测第 31 次、第 32 次，以及你需要预测多少。 3. 然后你从第 2 行到第 31 行，以预测第 32 行、第 33 行等。 4. 继续训练。