amazon-web-services - 信号输入到神经网络

Question

使用 AWS Machine Learning 开发新项目，旨在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)的输入是一个具有未知数量值的离散信号，而我的输出是已知数量的值。

我了解传统机器学习模型(例如神经网络)背后的理论，其中导出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机器学习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？

例如，我想到的是对时间信号进行傅里叶变换，并在限制在合理范围内的频域频带中描述信号(有效地将信号削减到固定数量的值)。不过，这完全是在黑暗中进行的，我不是机器学习或信号处理方面的专家。

Answer 1

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