Ввод:
множество точек или множество соединенных линий, непересекающиеся, простые, выпуклые, замкнутый многоугольник
Вывод: другой набор точек или набор связанных линий, возможны разветвленные / разветвленные многоугольники
Цель:
Подобно PCA (анализ основных компонентов) или подгонке кривой, для данного набора точек, требуется вычисление подгоночной кривой (многоугольник: линии или точки).
Существует ли какая-либо архитектура нейронной сети (глубокого обучения), подходящая для таких задач?
Это модель от последовательности к последовательности. Входные данные представляют собой последовательность точек или линий переменной длины (м). Вывод точек / линий переменной длины (n). m может не совпадать с n, в основном меньше.
Для каждого набора ввода / вывода m и n будут разными. то есть. m1 не совпадает с m2.
RNN и LSTM, кажется, для входов / выходов фиксированной длины. Другое ограничение заключается в том, что я не могу использовать сегментирование или заполнение для задания фиксированной длины ввода / вывода, так как нет хороших значений PAD. Значения PAD, такие как (0.0, 0.0), можно рассматривать как VALID в наборе заданных точек.
Пожалуйста, предложите хорошую модель нейронной сети. Любые ссылки / документы?