arrays - CNN：数据标准化？

Question

我正在研究一个神经网络来预测一个事件是否是中微子。每个输入 x 是一个矩阵：(3, 5484)，三个不同的度量，5484 个传感器。

所以我应该规范化输入以使网络正常工作，但我对此表示怀疑，让我们解释一下：

我的数据集是：（x_1，....，x_N）。让我们只关注一个特征，并认为 x 是一个大小为 (5484) 的向量。然后每个 x 都有一个平均值：mean_x 和一个标准：std_x 但是标准化输入的重点是在不丢失信息的情况下重新缩放它（全局标准化，每个输入的标准化因子相同）对吗？

所以，我不确定我应该如何重新调整它。我应该将 (x_1, .., x_N) 展平为一维向量： (x_1, ..., x_5484*N) 并计算其均值和标准差吗？

还是我应该独立处理 5484 个输入通道中的每一个？

我有点迷路了。

Answer 1

如果 3 个传感器彼此独立，则您拥有 5484*3 个特征。对于每一项功能，您都应该扁平化和标准化数据。

例如，您的全部数据集可能是 m * (5484*3) 的矩阵，其中 m 是样本数。矩阵中的每一行都是一个样本。

你可以使用 scipy http://scikit-learn.org/stable/modules/preprocessing.html

Answer 2

这取决于您如何处理传感器数据。

如果您认为 5484 传感器代表不同的特征，则不应将它们展平，而应将3 * 5484视为图像通道。否则，如果传感器相似，则应将它们展平。

但直觉上，我认为第一种方法更好。