我有一组从视频中截取的图像，每秒2帧。基于此，我确实根据这些图像中的特定颜色来检测响应时间。求和没有响应时间的帧数。。直到具有响应时间的下一个图像。
无论如何，我确实存储了这个响应时间(它只是一个numpy数组中的数字(，我需要建立一个模型来预测响应时间。。。我需要建立一个回归模型吗？你有什么建议？
希望我的问题很清楚。
感谢
要直接回答问题，您可以用一个输入构建神经网络吗。
从技术上讲，当然，你可以用一个输入音符来物理地构建一个NN。然而，这在实际预测任何事情时都是完全无用的。
考虑一下神经网络的数学基础。它是一个线性代数表达式：
W = [w(0,0), w(0,1) ... w(0,n)
w(1,0), w(1,1) ... w(1,n)
...
w(k,0) ... w(k,n)]
a = [a(0), a(1), ... a(n)]
bias = [bias(0), bias(1), ... bias(n)]
s = some normalizing function
such that:
b = s(W*a+bias)
现在假设我们将其压缩为单个输入节点。我们的网络表达会发生什么？
它变成了一行的函数！这不是你可以用数据集"训练"的东西。没有什么可训练的了！
因此，为了使神经网络有效，我们需要以一种可以分布在大量节点上的方式来构建数据集。
我不完全确定这里的问题集是什么，但您的第一步需要规范化数据的结构。无论是间隔时间，还是一组像素上的RGB值，我都不知道；在没有看到数据或一些代码的情况下，很难提供超过这一点的帮助。但是，今后还是有一些一般性的建议。
祝你好运！