для работы с числовыми входными параметрами разной длины можно использовать рекуррентные нейронные сети (rnn), такие как lstm или gru. эти типы сетей позволяют обрабатывать последовательности переменной длины, и они хорошо работают с числовыми значениями.
кроме того, можно использовать сверточные нейронные сети (cnn), которые могут обрабатывать последовательности фиксированной длины. для этого можно использовать предварительную обработку данных, например, заполнение нулями или повторение последнего значения, чтобы привести все последовательности к одной длине.
еще одним вариантом может быть использование комбинации сверточных и рекуррентных слоев в нейронной сети, такой как cnn-rnn.
в keras можно использовать следующие типы слоев для создания таких нейронных сетей…
LSTM: keras.layers.LSTM()
GRU: keras.layers.GRU()
Conv1D: keras.layers.Conv1D()
MaxPooling1D: keras.layers.MaxPooling1D()
Flatten: keras.layers.Flatten()
Dense: keras.layers.Dense()
