我想训练一个以字符序列作为输入向量的神经网络。学习示例有不同的长度，因此我不知道如何表示它们。
假设我有两个序列示例，这里是名称：
john doe
maurice delanoe
第一个示例的长度为 8，第二个示例的长度为 15。
有没有办法学习这两个例子？意思是在同一个学习系统中同时使用大小为 8 和 15 的输入向量。
谢谢你的帮助 ！
如何使用神经网络处理不断变化的输入向量长度
机器算法验证
机器学习
神经网络
特征选择
自然语言
2022-03-13 21:55:49
1个回答
对于具有不同输入大小的 NN，我可以想到三种通用策略：
- 预处理输入以保存相同的大小。例如，人们经常将图像大小（忽略纵横比）调整为 NN 的标准正方形分辨率。在语言情况下，如果有意义，您可以将所有单词转换为符号表示（例如“john”=1、“james”=2、“maurice”=3、“kelly”=4、“doe”=5）在您的应用程序中。
- 使用滑动窗口。网络可以看到输入的固定大小部分，然后您以固定的步幅滑动窗口并再次运行（从头开始），重复直到结束，然后以某种方式组合所有输出。
- 与 #2 相同，但使用循环神经网络，以便网络具有在每个步幅之间传递的一些内部状态。例如，这就是神经网络处理语音音频的方式。显然，与其他选项相比，这是对体系结构的一个更显着的变化，但对于许多语言任务来说，这可能是必要的（如果您有很长的输入并且需要以复杂的方式跨字符串组合信息）。