У меня очень шумный набор данных, который я хочу проанализировать, используя нейронную сеть ⇐ Python

[Anonymous]

Извините, если этот вопрос неправильно сформулирован, так как я никогда не задавал свой собственный вопрос о переполнении стека. Таким образом, у меня есть проект, в котором я хочу выяснить конкретную характеристику через их звук, и моя текущая идея в основном заключается в быстрого преобразования Фурье, а также получить частоты и амплитуды всех пиков, а затем переправить это в нейронную сеть, чтобы получить прогноз для класса этого звука. Затем я использовал функцию numpy fft.fft и получил назад супер шумный частотный домен: < /p>
Частотный домен для класса One < /p>
Частотный домен для второго класса < /p>
Существует четкий характерный пик во всех спектрах класса, но и данные. Мол, пики на расстоянии (очевидно, данные практически все пики). Затем я решил применить фильтр Savitsky Golay, но амплитуда характерных пиков значительно снижается. Я также попытался использовать параметр Praminence на функции find_peaks, но он, похоже, на самом деле ничего не меняет, и его документация не имеет большого смысла для меня. Кроме того, я решил, что наилучшим типом нейронной сети для этого использования будет RNN, поскольку количество пиков является переменным, но я хотел бы получить второе мнение о том, если я найду лучшие параметры и если RNN заметит эти изменения. Я ожидаю, когда я анализирую больше классов, так это в основном, что амплитуда характерного пика класса 2 увеличится, и появится несколько других пиков.

Подробнее здесь: https://stackoverflow.com/questions/796 ... al-network