আমি অনুমান করি যে 1 ডি সংকেত দ্বারা আপনি সময়-সিরিজের ডেটা বোঝাচ্ছেন, যেখানে আপনি মানগুলির মধ্যে অস্থায়ী নির্ভরশীলতা অনুমান করেন। এই জাতীয় ক্ষেত্রে কনভ্যুশনাল নিউরাল নেটওয়ার্ক (সিএনএন) সম্ভাব্য পন্থাগুলির মধ্যে একটি। যেমন তথ্য সবচেয়ে জনপ্রিয় স্নায়ুর নেটওয়ার্ক পদ্ধতির পৌনঃপুনিক স্নায়ুর নেটওয়ার্ক (RNN) ব্যবহার করতে হয়, কিন্তু যেমন দ্বারা আলোচনা আপনি অন্যথায় CNNs, অথবা সংকর পদ্ধতির (আপাতদৃষ্টিতে পৌনঃপুনিক নিউরাল নেটওয়ার্ক, QRNN) ব্যবহার করতে পারেন Bradbury এট (2016) , এবং এছাড়াও নীচে তাদের চিত্র চিত্রিত। অন্যান্য দৃষ্টিভঙ্গি যেমন একাকী মনোযোগ ব্যবহার করার মতো, যেমন ট্রান্সফরমার নেটওয়ার্কে ভাসওয়ানি এট আল (2017) বর্ণিত , যেখানে সময় সম্পর্কে তথ্য ফুরিয়ার সিরিজের বৈশিষ্ট্যগুলির মধ্য দিয়ে যায় ।
সঙ্গে RNN , আপনি একটি সেল যাতে, ইনপুট পূর্ববর্তী লুকানো রাষ্ট্র এবং বর্তমান ইনপুট মান হিসাবে লাগে, আউটপুট এবং অন্য লুকানো রাষ্ট্র ফিরে যাওয়ার ব্যবহার করেন তথ্য গোপন রাজ্যের মাধ্যমে প্রবাহিত । সিএনএন দিয়ে আপনি কিছু প্রস্থের স্লাইডিং উইন্ডোটি ব্যবহার করবেন , যা তথ্যগুলিতে কিছু নির্দিষ্ট (শিখেছি) নিদর্শনগুলির চেহারা দেখাত এবং এ জাতীয় উইন্ডোগুলি একে অপরের উপরে স্ট্যাক করে রাখত, যাতে উচ্চ স্তরের উইন্ডোগুলি নীচের স্তরের মধ্যে নিদর্শনগুলির সন্ধান করতে পারে নিদর্শন। এই জাতীয় স্লাইডিং উইন্ডোজ ব্যবহার করে তথ্যের মধ্যে পুনরাবৃত্তি (যেমন মৌসুমী নিদর্শন) এর মতো জিনিসগুলি সন্ধান করতে সহায়ক হতে পারে। কিউআরএনএন স্তরগুলি উভয় পদ্ধতির মিশ্রণ করে। আসলে, সিএনএন এবং কিউআরএনএন আর্কিটেকচারগুলির একটি সুবিধা হ'ল তারা আরএনএন এর পরে দ্রুত হয় ।