神经网络的信号输入

Question

使用AWS Machine Learning处理新项目，目的是检测输入信号中的某些模式。也就是说，我的模型（神经网络，决策树等）的输入是一个数值未知的离散信号，而且我的输出是已知数量的值。

我理解传统ML模型（如神经网络）背后的理论，其中函数派生为将已知数量的输入映射到已知数量的输出。这对于提供给AWS ML平台的数据是rows of CSV attributes的要求是有意义的。

有没有一种方法可以使用这个平台，或一般的ML模型用于这种信号处理，还是有一种预处理技术，我可以用来导出固定数量的输入变量？

例如，我想到的是对时间信号进行傅里叶变换，并将频域范围内的信号限制在一个合理的范围内（有效地将信号降低到固定数量的值）。尽管在黑暗中总拍摄，但我不是ML或信号处理方面的专家。

Answer 1

对于音频信号，数据工程的一种可能的（常见的）方法是使用MFCC（Mel Frequency Cepstrum Coefficients）作为音频数据的一组短时间段（窗口）作为ML输入表。