#python #accelerometer #generative-adversarial-network #activity-recognition #data-generation
#python #акселерометр #генеративный-состязательный-сетевой #activity-распознавание #генерация данных
Вопрос:
В настоящее время я работаю над распознаванием активности человека с использованием данных носимых датчиков (например, акселерометра, гироскопа и т.д.). Теперь я пытаюсь сгенерировать некоторые синтетические данные датчика из данных акселерометра (xyz).
Я использовал GAN для генерации синтетического набора данных из данных 3D-акселерометра. Однако результат не очень хороший (сгенерированные / поддельные данные не похожи на реальные данные). Я использовал несколько моделей последовательности (например, LSTM, двунаправленный LSTM), но результат тот же. Я получил повторяющийся шаблон в своих поддельных данных. Результат GAN
Есть ли какие-либо предложения по этому поводу? Я был бы очень признателен за некоторые пояснения. Спасибо вам 🙂
Ответ №1:
Проектирование и обучение GAN -специально для временных задач — немного сложно. Как правило, хорошей идеей является использование современных архитектур вместо написания и обучения собственной модели.
Если вам необходимо использовать свою собственную модель, возможно, вы захотите попробовать использовать свертки по глубине (т. Е. по временному измерению) вместо LSTM.
Обучение GAN также является сложным процессом, поэтому может помочь изучить некоторые из реализованных кодов, чтобы получить несколько советов по предотвращению сбоев режима и т.д.