Como aplicar o autoencoder LSTM a dados de séries temporais de comprimento variável?

Question

Sep 29, 2017, 08:24 PM

neural-network autoencoder deep-learning keras lstm

Como aplicar o autoencoder LSTM a dados de séries temporais de comprimento variável?

Eu li o LSTM-autoencoder neste tutorial:https://blog.keras.io/building-autoencoders-in-keras.htmle cole a implementação keras correspondente abaixo:

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)

Nesta implementação, eles corrigiram a entrada para ter a forma (timesteps, input_dim), o que significa que a duração dos dados da série temporal é fixada para sertimesteps. Se bem me lembro, o RNN / LSTM pode lidar com dados de séries temporais de comprimentos variáveis e estou pensando se é possível modificar o código acima de alguma forma para aceitar dados de qualquer tamanho?

Obrigado!