Neural network 如何以最佳方式为神经网络编码复杂数据？

数据由几条记录组成。记录如下： [位向量、数值向量、一些数值]。 位向量对于每个记录具有不同的长度，对于数字向量也是如此。 每个记录的数值数量是所有记录的常量

输出为2个数字。它们的值（均在[0.0,1.0]范围内）用于搜索算法中的评估/适应度函数近似

所以，我的问题是： 如何为神经网络表示/规范化这些数据？

---

特别是，是否有一种（棘手的）方法来紧凑地表示位向量？它的长度可以达到几千个。

除了一些经典问题外，没有单一正确的方法将复杂数据输入到神经网络中。这是一门艺术，事实上，深度学习的最新进展与表示复杂数据的方法的进步有很大关系

因此，在不了解数据性质的情况下，很难给出任何具体建议。为什么有可变长度的向量？它们代表某种序列吗？位向量中编码的是什么

从纯技术的角度来看，可变长度数据意味着您需要使用零填充到恒定长度（最简单但通常不太好）或特殊的NN体系结构，如卷积或递归网络，选择将取决于数据集的性质。如果您的位向量表示一组某种二进制特征，那么每一位需要一个神经元，或者您可以尝试使用自动编码器训练紧凑的实值嵌入

为了得到更有用的答案，请描述问题的性质并将问题发布到