具有可变长度输入的去噪自动编码器

数据挖掘 神经网络 预处理
2021-09-21 04:51:24

我正在处理来自连续实值信号的数据问题。目标是使用 ML 根据过去的数据来平滑信号。为此，将信号窗口化到域内有意义的周期中。问题是这个时期的长度变化很大。

我已经审查了这个问题和这个问题，但都没有解决问题，它们更多的是关于如何处理缺失值。

鉴于去噪自动编码器是基于矩阵乘法的，这就提出了一个严重的问题。在这种情况下，标准方法是什么？我是否应该定义一个任意（大）的窗口大小，并展开太小的窗口（反之亦然）？还是有更好的可变长度输入方法？

1个回答

循环神经网络可以处理可变长度的数据。你可能想看看：

另一个想法（到目前为止我还没有测试过，只是想到了）是使用直方图方法：您可以制作固定大小的窗口，从这些窗口中获取数据并使其离散（例如矢量量化，k-means ）。之后，您可以制作这些向量出现频率的直方图。

您还可以使用HMM来识别可变长度数据。

变换（例如，频域中时域的傅立叶变换）也可能派上用场。

其它你可能感兴趣的问题
上一篇R中Apriori算法的简单实现 下一篇如何计算矩阵逆计算的特定时间复杂度？