使用神經網絡在一組數據中找到穩定區域？

Question

我正在研究一個機器學習問題，我試圖在螺旋星系中找到一個穩定的區域。 我創建了一些數據的可視化，例如：

在這張圖片中，您可以看到一個介於 0 到大約 30 像素之間以及介於 90 到 110 像素之間的平坦區域。 我收到了使用可以識別平坦區域的 RNN LSTM model 的建議，但我也想聽聽其他神經網絡模型的其他建議。

Answer 1

正如@SamMason 評論者已經指出的那樣，RNN LSTM 對於這個 model 來說將是矯枉過正。 這將導致比手動編碼直線區域檢測更糟糕的結果，如果所有圖像看起來都像這張圖，這將很容易做到。 您可以跟隨黑線，如果黑線在下一列中更改 position，則它不是直的。

https://www.semanticscholar.org/paper/ACOUSTIC-SCENE-CLASSIFICATION-USING-PARALLEL-OF-AND-Bae-Choi/abea9615a8b021a29c05e4b7f3ef9e7514fac39d

也許您的 pi 實際上想要制作一個 model 來檢查區域，然后確定是否值得繼續查看該區域以搜索更穩定的區域或創建方向性 function 他們將決定移動傳感器進行搜索的理想方向自動為新的平坦區域。 這將使尋找可能的生命支持星系的過程自動化。 太陽是正確的（color_temp 度量）->它在這個位置有穩定的區域嗎？ 一個穩定的區域可以基於傳入的信號等。