我正在尝试使用卷积残差网络神经网络架构（ResNet）。到目前为止，我已经使用Keras实现了简单的卷积（conv1D）来对时间序列数据进行分类。
现在，我试图使用Keras构建ResNet，但在将其适应到时间序列数据时遇到了些困难。大多数在Keras中实现的ResNet或Nasnet（例如这个或那个）都使用conv2D进行实现（这对于图像来说是合理的）。
有人能帮我实现这个用于时间序列数据吗？
回答：
你知道论文“从头开始使用深度神经网络进行时间序列分类：一个强大的基线”吗？如果你不知道，应该看看。作者提供了不同模型的非常全面的概述，包括为时间序列分类调整的ResNet实现。
他们在Keras/Tensorflow中实现的ResNet可以在这里找到这里。
更新： 针对时间序列数据的更新版本ResNet（和其他分类器）可以在这里找到这里。
