neural-network - 可以使用一组向量作为神经网络的输入吗？

Question

希望这里有一些神经网络负责人可以提供帮助！（：

背景：我正在使用加速度计在空中绘制形状，我想知道是否可以使用神经网络来检测我绘制的形状。

假设我有一个预定义的“词汇表”，包含 3 种可能的形状（例如，圆形、椭圆形、八字形）。我画了很多圈，收集得到的加速度计数据，并对其进行预处理以产生一组 N (x,y,z) 向量。（x、y、z 是加速度值。）

最后，我有一个具有 3 个布尔输出（圆形、椭圆形、图 8）的神经网络。

我的问题： 我的输入应该是什么？

我能想到的唯一解决方案：有 3N 个输入（x1、y1、z1、x2、y2、z2、...、xN、yN、zN）。

我的担忧：这样的解决方案并没有告诉神经网络 x1、y1、z1 彼此相关，它们具有相同的时间戳。据我了解，应该以某种方式向神经网络提供有关这种“关系”的信息。那有必要吗？如果是，在这种特定情况下是否可以这样做，以及如何做到这一点？对于这个从加速度计数据进行形状检测的问题，神经网络完全是错误的解决方案吗？

Answer 1

如何实施

几点建议

这将有望帮助您通过使用神经网络解决这个问题！如果您决定使用这些网络，我建议您查看例如：Long Short Time Memory (the LSTM Neural Network ) 并专门阅读这篇论文。

时间序列

网络将能够尊重来自感官数据的先前向量输入，但正如您可能猜到的那样：我们不能无限添加许多层。事实上，如果我们添加太多层，循环网络将开始出现问题。我链接到的论文中也讨论了这个问题。

长短期记忆体

LSTM 神经网络经过专门设计，能够“识别”不同的输入模式。这将符合您识别一组较小手势的要求。