¿Cómo aplicar el codificador automático LSTM a datos de series temporales de longitud variable?
Leí LSTM-autoencoder en este tutorial:https://blog.keras.io/building-autoencoders-in-keras.htmly pegue la implementación de keras correspondiente a continuación:
from keras.layers import Input, LSTM, RepeatVector
from keras.models import Model
inputs = Input(shape=(timesteps, input_dim))
encoded = LSTM(latent_dim)(inputs)
decoded = RepeatVector(timesteps)(encoded)
decoded = LSTM(input_dim, return_sequences=True)(decoded)
sequence_autoencoder = Model(inputs, decoded)
encoder = Model(inputs, encoded)
En esta implementación, arreglaron la entrada para que tenga forma (pasos de tiempo, input_dim), lo que significa que la longitud de los datos de la serie temporal está fijada para sertimesteps. Si recuerdo correctamente, RNN / LSTM puede manejar datos de series temporales de longitudes variables y me pregunto si es posible modificar el código anterior de alguna manera para aceptar datos de cualquier longitud.
¡Gracias!