machine-learning - 前馈神经网络中的可变输入

Question

在前馈神经网络中具有可变长度输入的最常见策略是什么？

---

更具体地说，考虑以下假设场景：

1. 我有一辆车有四个传感器，两个在左边（接近度和颜色），两个在右边（还有接近度和颜色）。
2. 有两个执行器（假设左和右）。
3. 我已经成功地训练了一个神经网络，将两组输入（4 个神经元接近度/颜色）与一组输出（2 个神经元用于方向）相关联。

现在的问题是，我如何缩放它：

1. 相同类型传感器/执行器的固定上限（例如 50 个）；甚至
2. 任意数量的传感器/执行器？

PS：我的直觉是，我需要一种制作神经网络的形式来作曲，但我一点也不知道从哪里开始。

Answer 1

简单的解决方案是始终构建一些固定的、最大数量的特征向量，并将不活动的特征保留为默认值。合理的默认值通常为零，尤其是。如果您将输入缩放到范围 [-1, 1]。