时间序列分类问题中的数据归一化 - 循环神经网络

如何解决时间序列分类问题中的数据归一化 - 循环神经网络

我正在解决一个问题，我需要使用 LSTM 从运动传感器数据中预测多个输出类别之一。有两个不同的传感器，每个传感器具有三个通道并具有不同的测量单位。对于每个录音，我使用最小-最大归一化使振幅传感器电平介于 0 和 1 之间（针对每个传感器单独）。

这样做后，我发现在使用归一化时，我的网络确实更快地收敛到最终值（就准确性而言），但与在相同网络设置下使用非归一化数据相比，性能明显降低。

>

据我所知，归一化具有帮助训练的优势，但如果获得了性能优势，是否真的有必要坚持使用接受归一化输入的性能较低的网络。我没有那么有经验，希望其他人对此发表评论。

谢谢！

解决方法

如果这是主要优先事项，我会使用性能更好的网络。归一化的目标通常只是为了让您的损失在训练期间不会爆炸。因此，当值非常大时，它通常会改善结果。但是，有时当值已经很小时，归一化会使情况变得更糟。您的值范围也可能太小。您可能想尝试在 (0,2) 或更大范围之间进行归一化。但是如果没有标准化的表现已经令人满意，我不会打扰。