Как может быть серия, группа сигналов, а не один входной сигнал последовательных данных, классифицироваться по нескольким группам классификации с DL4J?

Question

У меня есть 60 образцов последовательностей сигналов длиной 200, каждая из которых помечена 6 группами меток, каждая метка помечена одним из 10 значений. Я хотел бы получить прогноз в каждой группе меток на каждой метке при подаче в сеть образца длиной 200 или даже более короткого.

Я пытался построить собственную сеть на основе https://github.com/eclipse/deeplearning4j-examples/blob/master/dl4j-examples/src/main/java/org/deeplearning4j/examples/recurrent/seqclassification/UCISequenceClassificationExample.java пример, который, однако, обеспечивает заполнение метки. Я не использую отступы для метки, и получаю исключение, подобное этому:

Answer 1

На самом деле, для этикеток требуется, чтобы измерение времени имело длину 200, для объектов, таких же, как у объектов. Так что здесь я должен сделать какие-то методы, такие как заполнение нулями во всех 6 каналах меток. С другой стороны, ввод был неверным, я поместил все 60 * 200, однако там должно быть [1, 200, 60], тогда как 6 меток - [1, 200, 10] каждая.

Вопрос в том, в какую часть метки длиной 200 я должен поместить реальное значение метки [0], [199] или может быть меткой для типичных частей сигналов, с которыми они связаны ? Мои тренировки, которые должны это проверить, все еще продолжаются. Какой вид прокладки лучше? Заполнение нулями или дополнение значения метки? До сих пор не ясно и не могу погуглить статью, объясняющую, что лучше.