神經網絡的信號輸入

Question

使用AWS Machine Learning處理新項目，目的是檢測輸入信號中的某些模式。也就是說，我的模型（神經網絡，決策樹等）的輸入是一個數值未知的離散信號，而且我的輸出是已知數量的值。

我理解傳統ML模型（如神經網絡）背後的理論，其中函數派生爲將已知數量的輸入映射到已知數量的輸出。這對於提供給AWS ML平臺的數據是rows of CSV attributes的要求是有意義的。

有沒有一種方法可以使用這個平臺，或一般的ML模型用於這種信號處理，還是有一種預處理技術，我可以用來導出固定數量的輸入變量？

例如，我想到的是對時間信號進行傅里葉變換，並將頻域範圍內的信號限制在一個合理的範圍內（有效地將信號降低到固定數量的值）。儘管在黑暗中總拍攝，但我不是ML或信號處理方面的專家。

Answer 1

對於音頻信號，數據工程的一種可能的（常見的）方法是使用MFCC（Mel Frequency Cepstrum Coefficients）作爲音頻數據的一組短時間段（窗口）作爲ML輸入表。