可变长度数据训练.脑电数据分类

Question

我是一个研究项目的学生，用脑电图数据来做测谎。我将从两个通道处理原始脑电数据，并在被试回答问题的过程中记录脑电数据。因此，数据将是存储在csv文件中的2乘可变长度数组，该文件保存来自两个传感器的每个传感器的传感器读数。例如，它看起来如下所示：

Time (ms) | Sensor 1 | Sensor 2|
--------------------------------
10        | 100.2    | -324.5  |
20        | 123.5    | -125.8  |
30        | 265.6    | -274.9  |
40        | 121.6    | -234.3  |
             ....
2750      | 100.2    | -746.2  |

根据这些数据，我想预测这个主题是在说谎还是在说真话(因此，二元分类)。我计划简单地把它当作结构化的数据，并在此基础上进行培训。然而，再想一想，由于以下几个原因，这一点根本行不通：

1. 数据的组织顺序很重要，因为它是连续的时间数据。
2. 数据的长度是可变的，因为同样，它是时间数据和所需的时间来说谎/说真话是不一致的。
3. 我不知道如何处理多个数据通道。

我将如何为这类数据建立一个培训模型？我认为这是一个“时间序列分类”问题，但我不确定。任何形式的帮助都将不胜感激。提前谢谢你！

Answer 1

在进行了更多的研究之后，我决定使用一个LSTM网络，其中的Keras框架运行在TensorFlow之上。LSTMs处理时间序列数据，Keras层允许将多个特征时间序列数据输入到网络中，因此，如果有人遇到与我类似的问题，那么LSTMs或RNN就是最好的选择。