其他使用神经网络和 GAN 的人可能会发现这个问题很有趣。

背景：

我一直在使用来自伯克利PEER 地面运动数据库的数据来生成新的新型地震轨迹。（上面呈现了真实的痕迹。）来自工程背景，我的第一次尝试涉及将痕迹分解成它们的 {X,Y,Z} 组件，但结果并不令人满意。重复模式崩溃输出如下所示。可能有办法用更多的时间和资源来解决这个问题，但我想我会尝试另一种方法。

向前：

我还有一点时间来处理数据，并且正在寻找将 {X,Y,Z} 点数据转换为 3D 卷积网络更易于消化的方法的方法。随着时间的推移，我给出了 3 个特征的其中一个痕迹的小样本。每个轨迹在所有轴上缩放 {-1,1) 并内插到 4000 步。（训练数据中几乎所有的 788 条轨迹都超过 4000 步，并且都进行了下采样。）

{{0.095746,-0.301555,-0.407207},{0.0955857,-0.301693,-0.407324},{0.0953887,-0.301861,-0.407461},{0.095148,-0.302067,-0.407609},{0.0948748,-0.302296,-0.407768},{0.0945636,-0.302547,-0.407985},{0.0942212,-0.3028,-0.40827},{0.0938457,-0.30301,-0.408664},{0.0934454,-0.303154,-0.409237},{0.0929839,-0.303259,-0.410011},{0.0924333,-0.303451,-0.410692},{0.0917118,-0.3039,-0.41102},{0.0907978,-0.304671,-0.411107},{0.0897068,-0.306049,-0.410927},{0.0886644,-0.308036,-0.410422},{0.0878034,-0.310481,-0.409685},{0.087091,-0.313055,-0.409298},{0.0863677,-0.315387,-0.409476},{0.0854884,-0.317162,-0.409922},{0.0845426,-0.31811,-0.410777}}

我对主题的了解表明我需要将这些数据转换为某种类型的数组，1如果那里有跟踪点并且0如果是无效的，则位置为 a。那是对的吗？

在开始创建另一个大代码分支之前，我想确认我的一些假设。划分这些实际值的 2x2x2 体积并从本质上计算每个体积中有多少点以重新创建几何图形，这似乎是一种计算量相当大的方法。我可以遵循这个优先级吗？有没有办法直接用 3D 卷积来做到这一点？