我有一个范围从 0 到 1 的信号。它总是在这些范围之间，但是，信号会随着时间而变化（它有一个趋势）。因此它的平均变化和标准偏差变化。
我的目标是确定信号在未来保持在该范围内的可能性有多大。所以我会将信号分解成几个特征（比如它增加或减少的速度等），并将所有这些数据放入一个神经网络中。信号本身必须是输入，因为如果信号真的接近 1，并且信号正在快速下降，那么它很可能会继续下降。
问题是，我可以使用神经网络来完成此任务而不会去趋势数据吗？还是我必须消除它才能使其成为输入？
我有一个范围从 0 到 1 的信号。它总是在这些范围之间，但是，信号会随着时间而变化（它有一个趋势）。因此它的平均变化和标准偏差变化。
我的目标是确定信号在未来保持在该范围内的可能性有多大。所以我会将信号分解成几个特征（比如它增加或减少的速度等），并将所有这些数据放入一个神经网络中。信号本身必须是输入，因为如果信号真的接近 1，并且信号正在快速下降，那么它很可能会继续下降。
问题是，我可以使用神经网络来完成此任务而不会去趋势数据吗？还是我必须消除它才能使其成为输入？