是否可以使用一组向量作为神经网络的输入？

Question

希望这里有一些神经网络的头头能帮上忙！

背景：，我用加速度计在空气中画形状，我想知道是否可以用神经网络来检测我画的形状。

让我们假设我有一个预定义的‘词汇表’的三个可能的形状(例如，圆圈，椭圆形，数字8)。我画了许多圆，收集得到的加速度计数据，并对其进行预处理，生成一组N (x，y，z)向量。( x，y，z是加速度值。)

最后，我有一个具有3个布尔输出的神经网络(圆形，椭圆，图8).

我的问题：我的输入应该是什么？

唯一的解决方案：有3N输入(x1、y1、z1、x2、y2、z2、.、xN、yN、zN)。

I关注：这样的解决方案并没有告诉神经网络，x1，y1，z1是相互关联的，它们具有相同的时间戳。据我所知，神经网络应该在某种程度上得到关于这种“关系”的信息。这有必要吗？如果是，在这种具体情况下是否有可能做到这一点，以及如何做到？对于加速度计数据的形状检测问题，神经网络是完全错误的解决方案吗？

Answer 1

如何实施

​

​

几点建议

这将有望帮助您在解决这个问题的道路上使用神经网络！如果您决定使用这些网络，我建议您查看例如:长短时内存( LSTM神经网络 )，特别是阅读这个论文。

时间序列

网络将能够支付来自感官数据的前一个向量输入，但正如您可能猜到的:我们不能无限期地添加许多层。事实上，如果我们增加太多的层次性，经常性的网络就会开始陷入困境。这个问题也在我链接到的论文中进行了讨论。

LSTM

LSTM神经网络被专门设计成能够“识别”不同的输入模式。这将符合你的要求，识别一组较小的手势。