Jakich wskazówek należy przestrzegać przy korzystaniu z sieci neuronowych o rzadkich wejściach


9

Mam bardzo rzadkie dane wejściowe, np. Lokalizacje niektórych funkcji na obrazie wejściowym. Co więcej, każda funkcja może mieć wiele detekcji (nie jestem pewien, czy będzie to miało wpływ na projekt systemu). Będę to przedstawiał jako obraz binarny kanału k z pikselami ON reprezentującymi obecność tej cechy i odwrotnie. Widzimy, że takie dane wejściowe muszą być bardzo rzadkie.

Czy są więc jakieś zalecenia dotyczące korzystania z rzadkich danych w sieciach neuronowych, w szczególności danych reprezentatywnych dla detekcji / lokalizacji?


To interesujące pytanie. jeśli znalazłeś odpowiedź na swoje pytanie, rozważ odpowiedź na swoje pytanie. W przeciwnym razie popraw swoje pytanie, podając bardziej szczegółowe informacje na temat problemu, który próbujesz rozwiązać. Również gęstość rzadkiej matrycy.
NULL

Odpowiedzi:


2

Możesz spróbować użyć osadzania funkcji w celu zmniejszenia wymiaru przestrzeni wejściowej. Coś w stylu word2vec w NLP, wygląda na to, że może mieć zastosowanie w twoim przypadku, ponieważ twoje funkcje są binarne (On / Off).

Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.