Преобразования для входных данных нейросети - страница 3

Почему слишком? Предобработка нужна для того, чтобы, во-первых, упростить основную нейросеть, а во-вторых - не дать ей за счет избыточного количества параметров изобретать закономерности там, где их на самом деле нет (переобучение и другие эффекты). То есть надо 1) по-возможности уменьшить уровень шумов 2) сократить число используемых параметров (выделить главное). При сжатии данных как раз и достигаются обе цели. Только надо следить чтобы степень сжатия, которую, к примеру, можно определить как отношение количеста "сырых параметров" к количеству входных сигналов сети, (пункт 2 выше) не превышала некоего порогового значения, после которого вносимые сжатием искажение элиминируют результат очистки от шума (пункт 1 соответственно).

Единственное исключение - если мы намеренно хотим подчеркивать определенные особенности входного сигнала, значимые с точки зрения анализа - тогда вы правы, смыслпредобработки становится несколько шире, но и в этом случае к выделенным главным параметрам как правило добавляются еще не более 3-5 для описания вышеуказанных особенностей.