Cần tuân thủ những nguyên tắc nào để sử dụng Mạng thần kinh với đầu vào thưa thớt

Tôi có đầu vào cực kỳ thưa thớt, ví dụ như vị trí của một số tính năng nhất định trong hình ảnh đầu vào. Hơn nữa mỗi tính năng có thể có nhiều phát hiện (không chắc điều này có ảnh hưởng đến thiết kế của hệ thống không). Điều này tôi sẽ trình bày dưới dạng một kênh k 'hình ảnh nhị phân' với các pixel ON thể hiện sự hiện diện của tính năng đó và ngược lại. Chúng ta có thể thấy rằng một đầu vào như vậy chắc chắn là rất thưa thớt.

Vì vậy, có bất kỳ khuyến nghị khi sử dụng dữ liệu thưa thớt với mạng lưới thần kinh, cụ thể là dữ liệu đại diện cho các phát hiện / vị trí?

Bạn có thể thử sử dụng các tính năng nhúng để giảm kích thước của không gian đầu vào. Sắp xếp cách tiếp cận word2vec trong NLP, có vẻ như nó có thể áp dụng trong trường hợp của bạn vì các tính năng của bạn là nhị phân (Bật / Tắt).