人工ニューラルネットワークのベクトル入力？
私の問題はかなり複雑なので、類似した単純化した例を次に示します。
次の情報に基づいて、車のマイルあたりのガロン（燃料消費量）を予測するとします。車の重量はポンド、エンジンのシリンダー数、およびタイプに対応する数です。車両（0 =キューブカー、1 =スタンダードカー、2 =バンなど）と過去1時間の雨量（ガロン単位）。
この情報をすべて取り、それを4次元ベクトル[Weight, Cylinders, Vehicle Class, Rain]にコンパイルするとします。 4時間前からの雨が依然として重要であるため、過去5時間のこれらのベクトルの複数を取得してネットワークにフィードすると、次のようになります。
[Weight 5 hours ago, Cylinders 5 hours ago, Vehicle Class 5 hours ago, Rain 5 hours ago]
[Weight 4 hours ago, Cylinders 4 hours ago, Vehicle Class 4 hours ago, Rain 4 hours ago]
...
[Weight in past hour, Cylinders in past hour, Vehicle Class in past hour, Rain in past hour]
フィードされているため、「現在の雨量」になります
質問：この問題を人工ニューラルネットワークで使用するためにどのようにフォーマットしますか？ネットワークはベクトルを入力として使用できますか？各ノードを単一の値に割り当てる方がよいでしょうか（各ベクトルは、各次元に1つずつ、4つのノードを使用し、その結果、セットには20ノードになります）？
時間の変化のため、HMM/MMの使用を検討しましたが、カテゴリデータのみを扱っているわけではありません。これはクラス用ではなく、純粋な興味から学んでいるだけです。ありがとう！
スライディングウィンドウアプローチ（NNは、系列の最後のk値を使用するようにトレーニングされています）は、 フィードフォワードニューラルネットワーク 。
ニューラルネットワークの学習能力に悪影響を与える可能性があるため、冗長な入力値は削除する必要があります（冗長変数を削除するもう1つの利点は、トレーニング時間が短縮されることです）。
[Weight Cylinders VehicleClass Rain5 Rain4 Rain3 Rain2 Rain1]
最初の変更です（「ウィンドウサイズ」がニューラルネットワークベースの予報士の品質に重要な影響を与えるため、異なる数のRain[n]入力）。
また、車両のタイプに1つの数値を使用する代わりに（0 =キューブカー、1 =標準車、2 =バン...） 1-hot encoding を使用する必要があります：
<-- Vehicle Class -->
[Weight Cylinders (0.0 ... 1.0 ... 0.0) Rain5 Rain4 Rain3 Rain2 Rain1]
これははるかにうまく機能しますが、特徴ベクトルははるかに大きくなります（また、データの量によっては、過剰適合の可能性があります）。
Recurrent Neural Networks （-- Long-Short Term Memory バリアントを確認）は、以前のタイムスタンプ（雨の値）の多くのインスタンスを考慮に入れることができ、定義する必要はありません。スライディングウィンドウ。