时序数值数据fcn分类

时序数值数据（Time Series Numerical Data）是指随时间顺序排列的一系列数值数据，常见于金融、经济、气象、生物医学等领域，如股票价格、气温记录、心率监测等。FCN（Fully Convolutional Networks）在计算机视觉中被广泛使用，特别是在图像分类中。然而，直接将FCN应用于时序数据分类通常不太合适，因为FCN主要设计用于处理空间信息，对于时间序列数据，我们更常使用循环神经网络（RNNs，如LSTM或GRU）和卷积神经网络（CNNs）的变种，如1D CNN或TCN（Temporal Convolutional Network）。

FCN在时序分类中的应用通常是通过将FCN与RNN或1D CNN结合，形成所谓的“时空卷积网络”（Space-Time Convolutional Network），或者通过将FCN的全卷积架构用于序列预测中的滑动窗口，对每个窗口进行分类。

相关问题：
1. 什么是循环神经网络（RNNs）在时序分析中的作用？
2. 1D CNN如何应用于时序数据的分类？
3. 时空卷积网络（STCN）是如何结合FCN和RNN的？
4. 为什么在处理时序数据时，需要考虑网络的可展延性和记忆能力？