RNN usando várias séries temporais

Estou tentando criar uma rede neural usando séries temporais como entrada, para treiná-la com base no tipo de cada série. Eu li que usando RNNs você pode dividir a entrada em lotes e usar todos os pontos da série temporal em neurônios individuais e, eventualmente, treinar a rede.

O que estou tentando fazer é usar várias séries temporais como entrada. Por exemplo, você pode receber entrada de dois sensores. (Então, duas séries temporais), mas quero usar os dois para obter um resultado final.

Também não estou tentando prever valores futuros das séries temporais, estou tentando obter uma classificação com base em todos eles.

Como devo abordar esse problema?

• Existe uma maneira de usar várias séries temporais como entrada para uma RNN?

• Devo tentar agregar a série temporal em uma?

• Ou devo apenas usar duas redes neurais diferentes? E se essa última abordagem estiver correta, se o número de séries temporais aumentar, isso não exigiria muito computador?

Séries temporais multivariadas são um tópico de pesquisa ativo. Você encontrará muitos artigos recentes abordando o assunto.

Para responder suas perguntas, você pode usar uma única RNN. Você pode inserir um valor para cada etapa do tempo. Nada impede que você adicione outro valor a cada etapa (se o seu sensor estiver sincronizado). Seu modelo aprenderá a classificar com uma série temporal bidimensional.

Você confere este blog . No seu caso, apenas a saída é diferente.

Quanto aos dois últimos pontos, agregar as séries cronológicas em um é arriscado, no sentido de que você poderá perder informações importantes durante o processo. Finalmente, a principal desvantagem do seu último ponto é que você não poderá usar uma correlação potencial entre as duas séries temporais para a classificação final.