神经网络的信号输入答案

【问题标题】：Signal Input to Neural Network神经网络的信号输入
【发布时间】：2017-04-08 00:43:31
【问题描述】：

使用AWS Machine Learning 处理一个新项目，目的是检测输入信号中的某些模式。也就是说，我的模型（神经网络、决策树等）的输入是一个未知数量的离散信号，而我的输出是一个已知数量的值。

我了解传统 ML 模型（例如神经网络）背后的理论，其中派生了一个函数以将已知数量的输入映射到已知数量的输出。这对于提供给 AWS ML 平台的数据为 rows of CSV attributes 的要求是有意义的。

有没有办法使用这个平台或一般的 ML 模型来进行这种信号处理，或者是否有一种预处理技术可以用来导出固定数量的输入变量？ p>

例如，我想到的一个方法是对时间信号进行傅立叶变换，并将频域频带中的信号描述为限制在合理范围内（有效地将信号切割到固定数量的值）。虽然完全是在黑暗中拍摄，但我不是 ML 或信号处理方面的专家。

【问题讨论】：

【解决方案1】：

对于音频信号，一种可能的（常见的？）数据工程方法是使用 MFCC (Mel Frequency Cepstrum Coefficients)，将音频数据的一组短时间段（窗口）作为您的 ML 输入表。

【讨论】：

谢谢 - 我一定会调查的，因为我的数据在很多方面都与音频信号相似。一个关键区别是可能只有几百个（甚至更少）数据点，而不是音频信号中的每秒数千个数据点——这对这项技术有害吗？