信号输入到神经网络

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）的输入是一个具有未知数值的离散信号，我的输出是已知数量的值。

我理解传统ML模型背后的理论，例如神经网络，其中导出函数以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平台的数据为rows of CSV attributes的要求是有意义的。

有没有办法使用这个平台，或ML模型一般用于这种信号处理，还是有一种预处理技术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，并将频域带中的信号描述为合理范围（有效地将信号减少到固定数量的值）。虽然在黑暗中完全拍摄，但我不是ML或信号处理的专家。

Answer 1

对于音频信号，一种可能的（常见？）数据工程方法是将MFCC（Mel Frequency Cepstrum Coefficients）用于音频数据的一组时间（窗口）短段，作为ML输入表。