如何在没有大量标记数据的情况下训练神经网络

文章/答案/技术大牛

发布

1回答

交叉验证后如何训练最终的神经网络模型？

python、validation、machine-learning、neural-network、conv-neural-network

这是我一直面临的问题，但似乎在任何地方都找不到答案。我有700个样本的数据集。因此，我不得不使用交叉验证，而不是仅仅使用一个验证和一个测试集来获得错误的精确估计。我想用神经网络来做这个。但是，在用神经网络进行CV并得到误差估计后，如何对整个数据集进行神经网络的训练？因为对于其他算法，如Logistic回归或支持向量机，不存在何时停止训练的问题。但是对于NN来说，

浏览 4提问于2017-09-27得票数 0

1回答

tensorflow、deep-learning、object-detection、autoencoder

我是机器学习的新手，我正在尝试建立一个对象检测神经网络。我有3000张图片，但只有150张贴上了标签。我的图像由web ui页面组成，我在这些页面上标记按钮和徽标。目前，我已经尝试使用faster_rcnn_inception_resnet_v2_coco模型来训练它，但结果不是很好。这些特性已经找到了，但并不完美。 ? 有没有改进结果的方法？如果我使用自动编码器对所有3000张图像进行无监督训练，然后使用转移学习到具有标记<e

浏览 35提问于2019-09-25得票数 0

2回答

是否可以通过训练小数据子集来验证深度学习模型？

python、tensorflow、keras、resnet、vgg-net

我希望培训一个大型模型(resnet或vgg)的面部识别。换句话说--如果一个模型能很好地学习一张脸--它能证明模型对完成任务有好处吗？这里的要点是，我不想花一个星期昂贵的时间去发现我的模型不好，数据有错误，或者TF编码有错误。

浏览 0提问于2019-09-14得票数 2

回答已采纳

2回答

在Matlab中可以连接三个神经网络吗？

neural-network、matlab

如果我在Matlab中有三个独立的前馈神经网络，是否可以将它们连接起来，以便在给定输入数据和目标数据时，三个神经网络并行工作以产生输出？如果是的话，我该怎么做？

浏览 0提问于2015-07-11得票数 2

回答已采纳

1回答

使用AI从产品属性中检测产品类别

artificial-intelligence、neural-network

我在excel文件中有一个产品列表(700,000+)，我想将此数据导入到我的数据库中。在我的系统上，每个产品都应该被分配一个类别，我想开发一个导入器桌面应用程序，它在所有产品上循环，可以根据excel表中的值检测每个产品的类别。

浏览 2提问于2014-09-01得票数 0

2回答

大脑用来训练自己看东西的学习任务是什么？

machine-learning、computer-vision

在计算机视觉中，使用有监督的任务是很常见的，在这些任务中，数据集必须由人工注释。一些例子是对象分类(类标签)、检测(包围框)和分段(像素级掩码)。这些数据集本质上是一对输入-输出，用于训练卷积神经网络，通过梯度下降优化学习从输入到输出的映射。但是动物不需要任何人给他们展示包装箱或面具，让他们学会探测物体，了解周围的视觉世界。这让我认为大脑一定是在进行某种自我监督来训练自己去观察。目前的研究对大脑用来达到如此卓越<e

浏览 0提问于2019-04-05得票数 3

1回答

为RL选择若干神经元

reinforcement-learning

如果我想用DQN训练我的强化学习代理，我如何选择神经元的数量？然而，在RL中，泛化甚至是一件事吗？毕竟，我们是在训练一只蜘蛛以最有效的方式移动它的四肢，一只手臂以最快的方式抓住一个盒子，等等。因此，选择神经元甚至是RL的一件事，还是我们可以给它尽可能多的</e

浏览 0提问于2018-06-10得票数 4

回答已采纳

1回答

为什么有必要在模型训练之前在图像子集上安装一个yolov2？

neural-network、deep-learning、cnn、object-detection、yolo

我用yolov2来检测8类护照的详细信息？我的目标探测包围盒有错误，虽然识别是很好的。我想知道object_detection是否通过过度拟合训练数据的样本子集，比如3张图像，来帮助确定预测性能？

浏览 0提问于2019-07-26得票数 1

回答已采纳

1回答

LS的稀疏输入

svm、sparse-matrix、pca

我试图利用深度神经网络(DNN)的特征来训练。求解LS的标准步骤是求核矩阵.然而，DNN的特征核矩阵不是满秩的。有没有人知道如何在不丢失大量信息的情况下将这个稀疏矩阵转换成一个满秩矩阵？PCA是一个很好的候选解决方案，以减少输入维数并使其稠密吗？

浏览 4提问于2016-06-19得票数 1

回答已采纳

2回答

卷积神经网络中特征映射的滤波器

filter、neural-network、convolution、feature-extraction、conv-neural-network

在卷积神经网络中，我应该使用什么样的滤波器来提取特征图？我最近读到了关于卷积神经网络的文章，我了解到我们使用(一组滤波器)在每个卷积层生成一组特征映射，通过对前一层输出的滤波器进行卷积，生成一组特征映射。谢谢。

浏览 1提问于2015-12-05得票数 0

回答已采纳

5回答

利用人工智能进行密码分析

cryptanalysis、machine-learning

如果给出大量的密码文本和相应的明文示例，是否可以对AI进行培训，将其解密为所提供的示例?如果是的话，是否有任何在线例子证明了这一点？例如，让我们想象出密码是一个简单的7 shift ceaser shift，我们列出了数千个例子，如下所示ifl,bye神经网络能不能对这些例子进行训练，然后显示一个新的密码文本，而不是在训练集中，如"is

浏览 0提问于2019-07-26得票数 6

回答已采纳

2回答

无训练值的神经网络学习

machine-learning、reinforcement-learning、neural-network

我想知道如何在不提供训练值的情况下训练神经网络。我的前提是，神经网络将用于可以从传感器接收正/负反馈的机器人上。也就是说，为了训练它自由漫游而不撞到东西，当没有碰撞传感器或接近传感器被触发时，就会产生积极的反馈。当碰撞/接近传感器被触发时，就会出现负反馈。如何使用这种方法训练神经网络？

浏览 2提问于2012-01-26得票数 2

回答已采纳

1回答

Cnn Modell与单精度fp32/int8 8的关系

conv-neural-network、artificial-intelligence、floating-accuracy、tensorrt

我目前正在写关于人工智能推理的硬件和框架的BA论文.在我的研究中，我查找了TensorRT并找到了我不太明白的ab表。但我不明白它与fp32和int 8有什么关系，以及这张表想告诉我什么。谢谢你的回答

浏览 9提问于2022-06-18得票数 -1

1回答

在使用神经网络的在线机器学习中，在新数据的单个条目上运行多少反向传播？

machine-learning、neural-network

我希望我的神经网络能够针对它分类错误的每个新数据进行训练。假设我以某种方式在每次网络出错时都正确地标记了数据，那么我需要在这个新数据的单个实例上运行多少个后备道具，才能针对该特定情况训练我的网络？有没有更好的方法来训练实时场景下的神经网络？

浏览 0提问于2016-01-27得票数 0

1回答

存储和使用经过训练的神经网络

python、machine-learning、neural-network、recurrent-neural-network、heavy-computation

我正在尝试开发一个神经网络来预测时间序列。这是正确的吗？如果是这样的话，我应该只训练我的网络一次，然后使用我

浏览 4提问于2016-08-10得票数 7

2回答

尽管所有的数据都是由规则生成的，但多类分类的准确性很低。

machine-learning、scikit-learn、pandas、machine-learning-model、data-science-model

我有一个定义良好的数据，其中我已经清理了我的数据到最终形式，其中有20个功能映射为1到100之间的数字。为每一行启用最多5个功能(值设置为1)。数据如下所示 45 |0 | 1|... 1 | 0我正在尝试构建机器学习模型，这些模型可以给我很好的精度考虑到数据的可预见性(数据是根据有限的规则生

浏览 0提问于2019-03-23得票数 1

2回答

我的验证损失最终会下降吗？

neural-network、deep-learning、training、loss-function

我目前正在训练一个二进制分类器，它接受两个输入，并输出它认为“更好”的对象。到目前为止，训练损失正在稳步下降，我的训练精度也在提高。我的验证损失略有下降，但波动很大。我的验证精度正在以与

浏览 0提问于2020-10-18得票数 1

1回答

神经网络参数选择

matlab、neural-network

我正在研究Matlab中的(两层)前馈神经网络。我正在研究能使分类误差最小化的参数。一个揭示了其中的一些：我在Matlab中改变了隐神经元的数目，从1到10。我发现，对于一个隐神经元，分类误差接近0%，然后随着神经元数量的增加而略有增长。我的问题是:更多的隐藏神经元不应该保证一个相等或更好的答案，即为什么分类

浏览 4提问于2017-01-01得票数 1

回答已采纳

2回答

图像分割训练集标注

python-3.x、computer-vision、deep-learning、pytorch

我是pytorch和深度学习的新手。我正在尝试做图像分割。但是，我被困在如何标记训练集图像上。这是我的训练图像之一我这里有两种植物--一种是杂草，另一种是好作物。我将对标记的数据使用深度神经网络模型(如ResNet )。

浏览 1提问于2018-04-08得票数 0

1回答

神经网络物理模型.单输出+叠加集成与多输出

neural-network、regression、ensemble、multi-output

我们试图用人工神经网络取代现有的物理模型(8输入/7输出)。现有模型背后的物理主要是空调用潮湿空气的热力学，涉及到一些透平机械，这很可能在输入和输出之间产生复杂的函数。已经完成了一种方法:单输出神经网络(10 NN具有相同的隐层，但具有不同的参数，如批大小、时间、优化器等)。然后使用某种堆叠组合:每个预测都被用作单个NN的新输入，以预测最终值。但是，有一些测试数据点的绝对误差很高，足以担心

浏览 0提问于2020-01-17得票数 3

点击加载更多

交叉验证后如何训练最终的神经网络模型？