如何實現給定的model到Keras？

Question

我目前正在嘗試重現我在文獻中發現的 1D-CNN 方法（ Ullah 等人，2022 年），在該出版物中給出了以下基線模型結構： .
出於測試目的，我也想將 model 用於我的數據。 然而，我無法理解有關 Conv1D 層的 Keras 文檔。 誰能幫助我理解如何解釋圖像（即 25x1x3 是什么意思）並將其轉換為 Keras model？

我當前的 model 代碼看起來像這樣（不確定是否正確）：

import keras
from keras.models import Sequential
from keras.layers import Dense, Conv1D

model = Sequential()
model.add(Conv1D(filters=25, kernel_size=3, activation='relu', input_shape=(12,1)))
model.add(Dense(25, activation='relu'))
model.add(Conv1D(50, 3, activation='relu'))
model.add(Conv1D(100, 3, activation='relu'))
model.add(Dense(2200, activation='relu'))
model.add(Dense(2, activation='relu'))
model.add(Dense(2, activation='softmax'))

Answer 1

在論文中，作者說：

擬議的 base.network 是一個深度七層網絡，包含 3 個卷積層（分別具有 25、50 和 100 個內核）、第一個卷積后的激活層、兩個全連接層（具有 2200 和 2 個神經元） ，分別），最后是一個 SoftMax 層。 我們使用 RELU 作為激活 function。

因此，與您在問題中顯示的 model 不同，論文中的 model 具有：

• 在問題中顯示的 model 中添加的第一個卷積層之后沒有密集層
• 第二個和第三個卷積層沒有指定激活，所以這些層保持沒有激活

25x1x3 是應用於輸入向量的內核大小。 這意味着將 25 個大小為 (1,3) 的內核應用於輸入

我想這應該是您正在尋找的架構

import keras
from keras.models import Sequential
from keras.layers import Dense, Conv1D, Flatten

model = Sequential()
model.add(Conv1D(filters=25, kernel_size=3, activation='relu', input_shape=(12,1)))
model.add(Conv1D(50, 3))
model.add(Conv1D(100, 3))
model.add(Flatten())
model.add(Dense(2200, activation='relu'))
model.add(Dense(2, activation='relu'))
model.add(Dense(2, activation='softmax'))