时间序列的自动编码器在LeetCode上的颜色分类标签为leetcode-AE_ts

颜色分类leetcode 时间序列的自动编码器 编辑 2018 年 12 月 3 日，我通过电子邮件收到了很多问题。 在本自述文件的末尾，我将最常见的问题汇总为 FAQ 这个 repo 提供了一个简单的时间序列自动编码器。 它使用 PCA 和 tSNE 来可视化嵌入。 我在 5000 个心电图的数据集上展示了这一点。 该模型在训练期间不使用标签。 然而，产生的集群在视觉上区分了 ECG 的类别。 人们反复问我如何使用机器学习在时间序列中找到模式。 通常的小波变换和其他特征无法产生结果。 他们想知道 ML 必须提供什么。 对于分类数据，通常的选择是 PCA、tSNE 等技术。 对于图像，通常的选择是卷积自动编码器 对于时间序列，通常的选择是什么？ 这个 repo 实现了一个循环自动编码器 为什么在自动编码器中使用循环神经网络？ 时间序列的长度可能因样本而异。 传统技术仅适用于固定大小的输入。 时间序列中的模式可以具有任意时间跨度并且是非平稳的。 循环神经网络可以在任意时间缩放中学习模式。 然而，卷积网络只假设固定模式 网络 从这里开始，RNN 指的是我们的循环神经网络架构，长短期记忆我们