1回答
如何设计自动编码器体系结构
、、、、
我想构建一个自动编码器(CNN)来学习我的数据的表示。参考架构是否像ResNet/Inception之类的？如果没有，我应该手动设计层吗？转换学习/微调是否适用于自动编码器
浏览 0提问于2018-09-10得票数 5
1回答
无监督学习中的特征选择或降维
、、、、
这是客户数据，所以它涉及很多句子，所以我在聚类之前使用通用的句子编码器。我想知道在无监督学习中是否有一种方法可以进行特征选择或降维。这可能非常有用，因为到目前为止，集群给出了一个混合的结果，我强烈地感觉这可能是由于数据中不想要的属性。任何帮助都是非常感谢的！
谢谢阿拉夫
浏览 0提问于2019-06-19得票数 2
2回答
我的工作是分析脑电数据，这些数据最终需要分类。然而，获得唱片的标签有点昂贵，这促使我考虑了无监督的方法，以更好地利用我们相当数量的未标记数据。有什么好办法把这两种方法结
浏览 0提问于2017-03-21得票数 12
回答已采纳
1回答
我想使用AE的压缩层来训练一个简单的分类器或回归器。实际上，压缩层的形状是(64,128)，那么我如何将该层转换为分类目的？如果我使用展平功能，我的新图层有8192个维度(我想这个维度太大了)，有人能帮我吗？
浏览 13提问于2020-01-21得票数 0
我知道我不能正确地说出问题的标题。因此，我试图在这里解释这个问题:假设我建立并训练了一个CNN，以识别0到9之间的数字。然而，当我部署CNN时，有人给出了"#“作为输入(除了0-9)。在训练过程中，我能对我的神经网络做些什么，这样它的输出就可以说这不是训练的特征？
我想举第二个例子:假设我们想使用自动编码器进行去噪，而不是分类。再一次，CNN的自动<em
浏览 0提问于2020-01-07得票数 1
我正在使用此代码加载图像，我必须将其传递给卷积变分自动编码器： import tensorflow as tf
image_size=(img_height, img_width),
batch_size=batch_size) 为了能够将其传递给自动编码器此外，在解码器接收的图像进一步被传递到<
浏览 28提问于2020-11-07得票数 0
1回答
如何实现深度自动编码器(eHow，我从惊厥神经网络中获得滤波器)？我的想法是这样的:对输入图像(28x28)进行随机图像处理，并获得随机补丁(8x8)。然后使用自动编码器来学习补丁的共同特性(功能=隐藏单位；例如，大约100个)。然后将特征滤波器应用于输入图像并进行卷积。我说的对吗？我很困惑，因为有时文献状态只使用like，例如8，过滤器，但在我的例子中，我有100.g。2层或3层)？有什么想法或资源吗？
浏览 5提问于2014-10-22得票数 7
1回答
我只是在考虑训练一个只使用一个标签的数据的神经网络。我现在对自己提出的问题是:我将如何定义NoDog类？我可以提交任何东西，一些随机的噪音，或只是任何没有标签的数据，不包含狗？但是，如何确保我正确地取样了“无狗”空间呢？“无狗”形象有哪些特点？“没有狗”的</
浏览 0提问于2019-07-18得票数 1
我想用Keras编码，这是一个神经网络，既是一个自动编码器，也是一个半监督学习的分类器。总而言之:如果模型具有相同的输入数据形状和相同的“编码”卷积层，但会分成两个头(分叉式)，那么就有一个分类头和一个解码头，在某种程度上，无监督自动编码器将有助于分类头的良好学习。但在Keras中，事情是更高层次的，我觉得所有对".fit“的调用都必须一次提供所有数据(
浏览 0提问于2017-06-01得票数 1
1回答
目标是对狗和非狗进行分类。训练数据集只包含狗的图像。神经网络将仅使用此训练数据集进行训练，然后使用包含狗和非狗图像的测试数据集进行测试。我遵循，在我的例子中，自动编码器将所有测试图像归类为狗，这是错误的。
为一个类别分类构建CNN也是不可能的。你知道怎么做吗？
浏览 4提问于2020-07-19得票数 0
问题在于训练CNN的数据集包含0到1000之间数字的(n，n)形状矩阵的输入。输出应该表示相同的(n，n)形状矩阵，其0值与1到1000之间的其他值相匹配。由于这个问题与图像处理神经网络相似，我决定使用CNN。X_data包含每个输入矩阵的值，Y_data包含输出修补数据的二进制编码(10小数长)。1 1...0 99 820 481网络只有在使用'bina
浏览 2提问于2019-11-09得票数 1
回答已采纳
2回答
假设你有一个CNN，它能很好地分类图像数据，狗和猫。你只有猫和狗的图像作为训练数据。有没有办法用它来检测马的异常图像？例如，在一个基于规则的系统中，我们可以说另一种方法是取特征向量，最后取完全连通层，比较向量与其他向量有很大的不同你有相关的文件吗？这是个完全愚蠢的主意吗？
浏览 0提问于2019-08-07得票数 0
1回答
好吧，我有一个问题，设置一个由CNN +自动编码器组成的网络来完成分类任务。其主要思想是使用CNN生成的嵌入作为嵌入重建过程的自动编码器的输入。def autoencoder(cnn_out): (...)xhat = keras.layers.D
浏览 20提问于2019-11-10得票数 0
回答已采纳
我正在使用CNN自动编码器来创建一个状态表示层，稍后我将被输入到我的增强代理中。所以我训练了我的CNN自动编码器，它给出了很好的状态表示。但我有以下问题
我的自动编码器层可以安装吗？如果有一个过度适合，它会不会导致红宝石信息在我的瓶颈层？
浏览 0提问于2018-09-19得票数 7
回答已采纳
4回答
我想比较CNN和自动编码器在caffe中的性能。我完全熟悉cnn在咖啡馆，但我想是自动编码器也有deploy.prototxt文件？使用这两个模型而不是使用架构有什么不同吗？
浏览 0提问于2016-03-30得票数 2
我的想法是给编码器以IMDB注释，解码器用Pad或Go，目标用neg/pos。我的大部分代码与seq2seq翻译的示例非常相似。但我得到的结果很奇怪。编码器输入:我被钩住了几乎是immediately.padpad“目标: pos”
由于这个结果非常特殊，我想知道是否有人知道什么会导致这类事情？
浏览 5提问于2016-04-16得票数 3
回答已采纳
有人能举例说明如何重用自动编码器的隐藏层用于神经网络的分类任务吗?我想在tensorflow的多层感知器模型中使用自动编码器的两层
浏览 1提问于2017-12-17得票数 0
1回答
我正在做一个项目，对布料的类型(衬衫、T恤、裤子等)进行分类。虽然这是一个标准的监督分类问题，但神经网络的精度不高。这是因为我试图分类的布料类型的相似之处。对于分类问题，我尝试使用CNN对图像进行分类。但过度拟合具有良好的训练精度(95%左右)，但验证精度不高(约77%)。我想知道是否有任何方法，我可以创建基于类型的布料，使用一些无监督的学习算法
浏览 0提问于2018-08-14得票数 0
1回答
CNN用于自动特征提取，通常用于对图像(狗、猫等)进行分类。
有没有例子说明如何使用某种神经网络对几何图元进行分类和定位(即查找直线、圆、角等)。以及它们的位置)？
浏览 0提问于2018-10-20得票数 1
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
