如何正确设计用于信号处理的 ANN？

Question

我真的不明白我应该如何在 ANN 的帮助下解决以下问题：

假设我有几个数据集，代表汽车上的力。 （测试车行驶在特殊道路上，模拟路面破损，一共8个）。

现在我想训练我的模型，以识别在正常道路上行驶的汽车数据中的这些道路损坏。这就是目标。

我的问题是，如何为 ANN 正确分类道路损坏？

我是否应该剪下道路损坏的特殊模式并将其输入我的 ANN？

提前致谢！

Answer 1

首先，如果您想针对任何特定任务训练 ANN，您通常必须完成以下步骤：

1. 定义问题
2. 收集并正确安排训练数据
3. 设计合适的网络拓扑结构
4. 训练网络
5. 在真实数据上验证训练结果

这意味着你的情况：

1. 看来您正在处理二元分类问题。对于给定的传感器输入，您想要预测损坏或未损坏。
2. 您将数据排列为输入-目标对。输入是您的传感器数据（可能有一些时间背景），输出是例如 1 表示损坏，0 表示未损坏。
3. 如果您正在处理时间传感器数据，您应该检查递归神经网络或卷积神经网络拓扑（或两者的组合）。设计您的网络，使输入层的神经元数量与输入数据的维度相同，并且输出层具有具有 sigmoid 激活的单个神经元。
4. 这一步应该很简单，具体取决于您使用的库
5. 最后，您可以使用一些新的真实传感器数据来验证结果，并检查预测是否符合您的预期

您可能需要对步骤 3-5 进行一些迭代，直到您得出一个运行良好的分类器。