二元目标的多变量时间序列预测

Question

我有一个电子元件，它的传感器记录各种子元件的温度、电流和电压值.这些读数是按一定的时间间隔进行的，我将它们组织为数据集的记录。除了这些特性之外，如果组件正在发生故障或没有故障，则dataset有一个值为1或0的列。下面是dataset结构的一个示例：

我的目标是建立一个模型，能够预测故障的发生，随着时间的推移，所以我认为这是一个多变量时间序列预测问题。

我能用什么方法来实现这个目标呢？我读过，可以使用递归神经网络/ LSTM，但我没有足够的GPU。

Answer 1

最近，我在一台相对缓慢的、只使用CPU的笔记本电脑上训练了一些多元的LSTM回归，它起了作用。训练时间不多，这绝对是可行的。

关于您的问题，我肯定会使用一些RNN架构。LSTM是迄今为止最强大的RNN细胞，它们比GRUs具有更多的记忆和能够学习更长的序列，但它们比它们慢。根据你的喜好/情况选择。

最后一层必须是Dense()，最终输出层应该有两个具有softmax激活的节点来执行二进制分类。最合适的损失将是一些交叉熵度量。