发表于
字数统计: 273 | 阅读时长 ≈ 1

问题

今天突然想到可以把整理的刺激前和刺激后的数据画出来，看一下。发现DK小麦在刺激后的电位都在一个范围内，感觉波形比较固定。但是刺激前的波形变化很大，每一株DK小麦的电信号都不太像
<!more>

思路

阅读薛琳师姐和王老师的大论文。

阅读全文 »

发表于 | 分类于
字数统计: 29 | 阅读时长 ≈ 1

今天阅读了1997年提出的lstm，重新理解了网络结构，但是没有什么新的发现。

发表于 | 分类于
字数统计: 480 | 阅读时长 ≈ 1

问题

我要做的是用红框里的一个周期数据（刺激前）预测绿框里的一个周期数据（刺激后），一个周期是588个点。
参考LSTM预测股票、污染，发现一个结论：
刺激前的数据和刺激后的数据不在同一个时刻上，如果单纯的在数据上做一一对应，我认为没有可解释性。因为这两个数据本身是有一个先后顺序的。
Markdown

阅读全文 »

发表于 | 分类于
字数统计: 168 | 阅读时长 ≈ 1

今天复习了LSTM预测北京机场的污染预测，有新的收获。
预测PM2.5 是一个多因素的问题，就是有8个x —> y
很长的代码是在处理数据，即把原始的数据变成
x1(t-1),x2(t-1),x3(t-1)…x8(t-1) y(t)
k 其中x1(t-1) = y(t-1)

trainx = x1(t-1),x2(t-1),x3(t-1)…x8(t-1)
trainy = y

在model.add(LSTM)，inputshape=(8,1)
只有一层LSTM

阅读全文 »

发表于 | 分类于
字数统计: 152 | 阅读时长 ≈ 1

今天把之前写的代码组合成为一个函数，可以直接调用，代码更清爽。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline
def read_csv(inputdir):
    df = pd.read_csv(inputdir, header=None, usecols=[1])
    df = df.drop(index=[0, 1])
    df = df.astype(float)
    return df

def x_split_one_csv(df, befor_start, cycle):
    befor_end = befor_start + (cycle * 588)
    x = df[befor_start:befor_end]
    x = x.astype(float)
    return x

def y_split_one_csv(df, after_start, cycle):
    after_end = after_start + (cycle * 588)
    y = df[after_start:after_end]
    y = y.astype(float)
    return df_after

def plt_wave(df):
    pd.DataFrame(df).plot(figsize=(8,5))
    plt.grid(True)
    plt.show()

def merge(stress_befor, stress_after):
    outfile = stress_befor.append(stress_after)
    outfile = outfile.astype(float)
    return outfile

x代表a波，是一个(588,1)的时间序列
y代表c波，是一个(588,1)的时间序列