我的任务是使用 MATLAB 和任何神经网络框架对时间序列数据进行分类。
更具体地描述任务:是计算机视觉领域的一个问题。是一个场景边界检测任务。
源数据是来自视频流的 4 个相邻帧直方图相关性数组。基于这些数据,我们必须将此时间序列分为 2 类:
- “场景中断”
- “没有场景中断”
因此,每个源数据条目的网络输入是 4 个双精度值,输出是一个二进制值。我将在下面展示 src 数据的示例:
0.997894,0.999413,0.982098,0.992164
0.998964,0.999986,0.999127,0.982068
0.993807,0.998823,0.994008,0.994299
0.225917,0.000000,0.407494,0.400424
0.881150,0.999427,0.949031,0.994918
问题是来自 Matlab 神经工具箱的模式识别工具(如 patternnet)威胁源数据,如独立实体。但我坚信,只有当 net 根据之前相关性的历史做出决定时,结果才会准确。
但我也没有设法从服务时间序列分析的递归网络(如延迟网络和 narxnet)中获得有效响应。
narxnet 和 delaynet 返回糟糕的结果,看起来这些类型的网络不应该解决分类任务。我没有在这里插入任何代码,而它几乎完全是使用 Matlab 神经工具箱 GUI 自动生成的。
我会很感激任何帮助。特别是,一些建议哪种工具更适合完成我的任务。