machine-learning - 前馈神经网络中的变量输入

Question

在前馈神经网络中使用可变长度输入的最常见策略是什么？

<小时/>

更具体地说，请考虑以下假设场景:

1. 我的汽车配有四个传感器，两个位于左侧(接近度和颜色)，两个位于右侧(也是接近度和颜色)。
2. 有两个执行器(假设为左和右)。
3. 我成功训练了一个神经网络，将两组输入(4 个神经元的接近度/颜色)与一组输出(2 个神经元的方向)相关联。

现在的问题是，我如何扩展它:

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

P.S.:我的直觉是我需要一种构建神经网络的形式来组合，但我完全不知道从哪里开始。

Answer 1

简单的解决方案是始终构建一些固定的最大数量特征的向量，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。如果将输入缩放到范围 [-1, 1]。