Можем ли мы использовать глубокие нейронные сети, такие как cnn, для выбора поднабора входных переменных для многомерной регрессии временных рядов?
Я хочу использовать CNN или LSTM для прямого выбора подмножества входных переменных и модели регрессии поезда для многомерных данных временных рядов. Набор данных состоит из m строк и n столбцов, указывающих m групп измерений от n датчиков. Таким образом, с помощью выбора подмножества входной переменной мы можем уменьшить количество датчиков до p(< n). Между тем, мы одновременно получаем обученную модель, используя входы р- датчиков.
Я могу использовать метод-обертку, например, объединяя GA с SVM для выполнения этой работы.
Я ожидаю, что CNN или LSTM могут выполнять ту же работу, чтобы одновременно выбирать подмножество входных переменных и обучать регрессионную модель.