複数の時系列を使用したRNN

各シリーズのタイプに基づいてトレーニングするために、時系列を入力として使用してニューラルネットワークを作成しようとしています。RNNを使用すると、入力をバッチに分割し、時系列のすべてのポイントを個々のニューロンに使用し、最終的にネットワークをトレーニングできることを読みました。

私がやろうとしていることは、入力として複数の時系列を使用することです。たとえば、2つのセンサーから入力を受け取る場合があります。（つまり2つの時系列）、最終結果を得るために両方を使用したいと思います。

また、時系列の将来の値を予測しようとはしていません。それらすべてに基づいて分類を取得しようとしています。

この問題にどのように取り組むべきですか？

• RNNへの入力として複数の時系列を使用する方法はありますか？

• 時系列を1つに集約しようとする必要がありますか？

• または、2つの異なるニューラルネットワークを使用する必要がありますか？そして、この最後のアプローチが正しければ、時系列の数が増えても、それはコンピューターに負担をかけすぎないでしょうか？

多変量時系列は活発な研究トピックであり、このテーマに取り組む最近の多くの論文があります。

質問に答えるには、単一のRNNを使用できます。タイムステップごとに1つの値を入力できます。各時間ステップで別の値を追加することを妨げるものはありません（センサーが同期されている場合）。次に、モデルは2次元時系列で分類する方法を学習します。

あなたはこのブログをチェックします。あなたの場合、出力のみが異なります。

最後の2つのポイントに関して、時系列を1つに集約することは、プロセス中に重要な情報を失う可能性があるという意味で危険です。最後に、最後のポイントの主な欠点は、最終的な分類に2つの時系列間の潜在的な相関関係を使用できないことです。