python - 深度学习、信号处理和特征工程
问题描述
我有一个在密集矩阵中用 python 表示的信号(这些值是图表中的 y 坐标 - 例如,世界各地不同位置的天气温度等)。
我目前正在尝试通过不同类型的深度神经网络处理/识别这些矩阵。
我也在尝试以许多不同的方式增强信号的重要部分...我知道当我们谈论声音/人声时...Log mel、MFCC 等是这样做的有用工具并增强重要的零件和反之亦然...
在我的密集矩阵中增强最重要的特征(以类似的方式)(换句话说,对最重要的特征进行特征工程),我最好的选择是什么?我当然知道这样一个事实,即模型不知道最重要的特征是什么(没有某种帮助/特征工程——但作为人类,我还能做些什么来改进模型)。喜欢设置每个功能的重要性?
解决方案
推荐阅读
- excel - 使用 openpyxl 从多个工作表中创建一个主重复的名称列表
- c# - 如何在 C# 中读取多个 zip 文件
- multithreading - 向量(或向量的向量)上的并发操作
- python - 如何在 python 中回复内联键盘标记
- excel - 根据特定条件自动平均分配任务
- javascript - 缩小失败。返回未缩小的内容。Javascript
- unix - 如果模式在任何顺序行中的两列之间重复,则比较两行并仅打印一个
- json - 颤振错误:预期类型为“FutureOr”的值
- >',但得到了“_JsonMap”类型之一
- javascript - 提交表单后如何阻止选择标签重置为默认值?
- .htaccess - .htaccess RewriteRule 用于导航