使用多个时间序列的RNN

我正在尝试使用时间序列作为输入来创建神经网络，以便根据每个序列的类型对其进行训练。我读到，使用RNN可以将输入分为几批，然后将时间序列的每个点都用于单个神经元，并最终训练网络。

我正在尝试做的是使用多个时间序列作为输入。因此，例如，您可能会收到来自两个传感器的输入。（因此有两个时间序列），但是我想同时使用它们以得到最终结果。

另外，我也不打算预测时间序列的未来值，而是要根据所有这些值进行分类。

我应该如何解决这个问题？

• 有没有办法使用多个时间序列作为RNN的输入？

• 我应该尝试将时间序列汇总为一个吗？

• 还是我应该只使用两个不同的神经网络？如果最后一种方法是正确的，那么如果时间序列的数量增加了，这是否也不会占用大量计算机资源呢？

多元时间序列是一个活跃的研究主题，您会发现许多有关该主题的近期论文。

要回答您的问题，您可以使用一个RNN。您可以为每个时间步输入一个值。没有什么可以阻止您在每个时间步长添加另一个值（如果传感器已同步）。然后，您的模型将学习如何使用二维时间序列进行分类。

您检查此博客。在您的情况下，仅输出是不同的。

至于最后两点，将时间序列汇总为一个是有风险的，因为在此过程中您可能会丢失重要的信息。最后，最后一点的主要缺点是，您将无法在两个时间序列之间使用潜在的相关性进行最终分类。