我正在尝试从心电图中读取图像，并检测其中的主要波（P波、QRS波群和T波）。我可以读取图像并获得一个向量（例如（4.2; 4.4; 4.9; 4.7; ...））。我需要一个算法，可以遍历这个向量并检测每个波的起始点和终止点。例如： 如果它们总是具有相同的大小，或者如果我事先知道ECG中...

通过处理时间序列图，我想要检测类似下面这样的模式： 举个例子，使用一组时间序列数据，我希望能够检测出以下标记的模式： 为了实现这个目标，我需要使用何种人工智能算法（我假设是机器学习技术）？是否有 C/C++ 库可供使用？

我看到的所有神经网络示例都是针对固定输入集合设计的，这在处理图像和固定长度数据时效果很好。但如何处理变长数据，例如句子、查询或源代码呢？是否有一种方法将变长数据编码为固定长度的输入，并仍然获得神经网络的泛化性能？

我只是想大胆尝试，向计算机视觉迈出第一步。我尝试自己实现霍夫变换，但是我无法完全理解它的整个过程。我阅读了维基百科条目，甚至看了Richard Duda和Peter Hart的原始著作“使用霍夫变换检测图片中的直线和曲线”，但都没有帮助我更好地理解。有人可以用更友好的语言来解释一下吗？

我对学习模式识别很感兴趣。我知道这是一个相当广泛的领域，所以我会列出一些我想学习如何解决的具体问题： 在看似随机的字节集中找到模式。 在图像中识别已知形状（例如圆和正方形）。 在位置流（Vector3）中给定一系列位置时注意运动模式。 这对我来说是一个新的实验领域，老实说，我不知道从哪...

我理解神经网络的工作原理，但如果我想将它们用于像实际字符识别这样的图像处理中，我不知道如何将图像数据输入神经网络。 我有一张非常大的“A”字母图片。也许我应该尝试从图像中获取一些信息/规格，然后使用该规格的值向量？这些值将成为神经网络的输入？ 已经做过这种事情的人，可以解释如何做吗？

你有没有一些关于如何为机器学习任务设计特征的建议或读物呢？即使对于神经网络来说，好的输入特征也非常重要。所选择的特征将影响所需的隐藏神经元数量和所需的训练样本数量。 以下是一个示例问题，但我对特征工程有兴趣。 动机示例： 当查看一个谜题（例如15 puzzle或Sokoban）时，什么样的...

有没有开源的音频指纹方案可以提供“Shazam类”解决方案？ Shazam使用Landmark数字的商业解决方案，但我正在寻找一种替代方案（即使精度和性能较差）。 是否有人了解这样的实现，甚至发表过未实现的算法？

有没有专门用于手写识别的算法？该算法应该能够识别手写字母。 任何愿意帮助的人都将不胜感激。 谢谢

我试图在Keras中绘制训练和测试的学习曲线，但是下面的代码出现了KeyError: 'val_acc error'。 官方文档<https://keras.io/callbacks/>说明，为了使用'val_acc'，我需要启用验证和准确性监控，但我不知道如何在我的代码中使用这...