一维CNN方法能应用于实时时间序列分类吗？

Question

所以我得到了一个带有形状的EEG数据集(数据点，19)，每一行的形状(1,19)代表1秒的EEG。

我读到了许多关于脑电分类的研究，这些研究采用了多种深度学习方法，而一维CNN就是其中之一。

我的问题是，对于我的数据集，1D-CNN的输入必须有多行数据，例如(50,19)，这样它就可以过滤输入矩阵。但是我想逐行预测新数据((1x19)形状)，1D-CNN能用这个输入来预测新数据吗？

Answer 1

CNN的输入在预测过程中必须具有与训练时相同的形状。因此，如果你让CNN训练50个时间步长窗口，那么你可以通过不断更新这个窗口中的数据来对输入流进行预测。每一个新的时间步骤，您将最近的行推到末尾，并删除最早的行。

当然，也可以制作一个以1x19为输入的CNN模型。但是，这样一个模型将没有任何能力检测模式随着时间的推移，这可能会限制其预测能力相当大。