不确定缺失值是否是此处使用的正确名称。我想根据传感器给出的数据训练 DNN。传感器给出已建立对象的 (x,y) 坐标。传感器一次可以跟踪多达 32 个物体。如果传感器找不到 32 个对象（总是如此），它将未找到对象的 x 和 y 坐标设置为零。在这种数据上训练神经网络会有问题吗？传感器设置在汽车上，对象是其他汽车，网络的工作是预测下一步行动。
另一个问题是，当传感器找到一个新对象时，已经存在/找到的对象可能会更改 id。有什么建议吗？我正在考虑随机排列对象的索引，因为这应该没有任何区别？
这类问题有标准解决方案吗？特别是将不存在的对象的距离设置为零。
简短的回答是“这取决于”
零比一好还是无穷大？这取决于您使用的 xy 坐标范围。这也取决于你的输出。如果您从 (x,y) 变为 z = x^2，那么您将“null”置于局部最小值。因此，如果是汽车，我假设您使用的是前置摄像头。你真的想让你的算法看到一堆“汽车”聚集在原点吗？顺便问一下，你的出身是哪里？左上角（像大多数图像索引一样）？左下（像笛卡尔平面）？中心（如果是，x 和 y 的正方向是什么？）
至于重新索引，您可以做的是查看您的 32 个对象被索引的前一帧（或多帧），以及它们的位置和速度。然后，查看当前帧并将每个对象的位置与前一帧中的位置进行比较。为当前帧中的对象分配与前一帧中最接近它的对象相同的 id。你可以打破与速度的联系。
跟进您的评论：
神经网络可以以任意精度学习任意函数。最终。如果您希望 (0,0) 处的某些行为与 (0+ε,0+ε) 处的行为截然不同，那么您的网络将需要很长时间才能收敛。
我建议通过将空值转换为零，然后将其与其他技术进行比较，看看你会得到什么样的结果。也许用所有其他汽车的平均值替换 null，或者将它设置在您的自我汽车后面（由于汽车主要向前移动，您的网络可能不太重视自我汽车后面的汽车）。