[問題] lstm 分類

看板DataScience作者 (ntuics)時間4年前 (2020/05/02 10:47), 編輯推噓1(1推 0噓 13→)
留言14則, 3人參與, 4年前最新討論串1/1
作業系統: win10 問題類別: lstm 使用工具: keras、tensorflow 問題內容: 我最近使用lstm來分類電流訊號 label：0(健康)，1到4是其他種故障 我有下列問題想問 （1）我在健康狀態下的電流訊號共有10萬筆 每500筆資料為一段 我應該是第1筆資料到第500筆為一個樣本 第501筆到第1000筆為第二個樣本 還是第2筆到第501筆為第二個樣本 我的inputshape是（500,1） 麻煩大家幫我解惑一下 謝謝 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 140.118.150.26 (臺灣) ※ 文章網址: https://www.ptt.cc/bbs/DataScience/M.1588387653.A.D72.html
推
05/02 14:44, 4年前 , 1F
2～501第二樣本
05/02 14:44, 1F
→
05/02 14:45, 4年前 , 2F
做馬達重點在取樣頻率 你的故障型態是什麼？故障頻率
05/02 14:45, 2F
→
05/02 14:45, 4年前 , 3F
多高？
05/02 14:45, 3F
→
05/02 14:46, 4年前 , 4F
取樣頻率500還滿低的 應該看不到高頻故障特徵
05/02 14:46, 4F
→
05/02 15:40, 4年前 , 5F
(1)我並不清楚原始電流弦波的頻率和他的取樣頻率
05/02 15:40, 5F
→
05/02 15:40, 4年前 , 6F
我只拿到大量的time domain csv檔
05/02 15:40, 6F
→
05/02 15:40, 4年前 , 7F
所以我擅自把500筆分成一段
05/02 15:40, 7F
→
05/02 15:40, 4年前 , 8F
因為我看檔案大約500筆一個週期
05/02 15:40, 8F
→
05/02 15:40, 4年前 , 9F
這樣做是不好的嗎
05/02 15:40, 9F
→
05/02 15:40, 4年前 , 10F
(2)如果把訊號fft之後在分析會比較好嗎
05/02 15:40, 10F
→
05/02 16:44, 4年前 , 11F
會ㄅ 感覺不切比較好
05/02 16:44, 11F
→
05/02 18:52, 4年前 , 12F
你先看傅立葉後的五種特徵差異 如果在高頻有明顯不同
05/02 18:52, 12F
→
05/02 18:52, 4年前 , 13F
你就可以設一筆資料的長度為最高差異頻率的兩倍
05/02 18:52, 13F
→
05/02 18:53, 4年前 , 14F
到10倍
05/02 18:53, 14F
‣ 更多 maple60107 的文章
文章代碼(AID): #1UhDz5ro (DataScience)