AutoEncoder

Первая версия автоэнкодера

Описание

Используется один скрытый полносвязный слой. В ноутбуке отображена часть экспериментов с количеством нейронов скрытого слоя (размерностью сжимаемого отображения). Итоговое значение - 15 нейронов, оно было выбрано как лучшее по метрике (1+MSE)*k, где k - коэффициент сжатия. При обучении использовался метод стохастической оптимизации ADAM и функция потерь MSE.

Особенности данных

До применения автоэнкодера данные проходят препроцессинг: нормируются с помощью StandardScaler'а (подробности в ноутбуке).

На вход автоэнкодера подаются показания 61 датчика, без 3 характеристик объектов (код исследуемого, номер исследования, timestamp).

Сохранение модели

Для сохранения модели использовался стандартный метод для моделей в библиотеке Keras - model.save(filename).

Дальнейшая работа над моделью

Планируются эксперименты с

1. размерами сжатия

2. функцией потерь

3. методами стохастической оптимизации

4. размером batch'ей

5. препроцессингом данных (например, возможно удалять шумы по аномальным показаниям датчиков)

Также планируется обучить модель на большем количестве данных (на данный момент обучение проводилось на 8 ЭЭГ).