最近，我在我所在的城市参加了一个数据科学会议，讨论了如何将神经网络与支持向量机连接起来。不幸的是，演示者不得不在演示结束后立即辞职，所以我不能问一些问题。我在神经网络中使用Keras，在ML的其余部分中使用SKlearn。
浏览 1提问于2016-11-03得票数 7
我正在用模式识别和目标矩阵3x8670训练神经网络，包括1s和0s，使用一个隐藏层，40个神经元，其余的使用默认设置。当我得到新的输入集的模拟输出时，值约为0和1。然后按降序排列，在8670个观测值中选择一个固定数(这是我所知道的)为1，rest为0。
每次我运行程序时，模拟输出的第一行总有接近100%的精度，而下面的行没有显示出相同的精度。总体上有合乎逻辑的解释吗？我理解，最终回答这个问题可能需要理解程序和问题，但
浏览 2提问于2013-09-25得票数 0
2回答
我有一个训练有素的神经网络，由大约40个输入神经元组成，让我可以根据模式对一些项目进行分类。每个神经元接收一些单独的输入参数值。我非常确定并不是所有的输入参数对最终结果都很重要，所以如果我排除它们，我的网络应该会产生几乎相同的结果。在网络中去除不必要的输入神经元的最有效和最快速的方法是什么，最好不要重新训练整个网络？谢谢
浏览 0提问于2012-02-23得票数 0
回答已采纳
当我们需要对不同的物体进行分类时，ResNet50是很酷的，比如说树，狗，卫生棉条等等。但是如果我们想使用Resnet50进一步分类树的类型，或者冰激凌(锥形，糖果棒，杯子)呢？PyTorch答案也是受欢迎的。
浏览 21提问于2020-06-04得票数 0
1回答
验证损失的原因是否很高？
、、、、
我对深度学习模型非常陌生，并且尝试使用LSTM .I来训练多标签分类文本模型，它有大约2600条记录，其中4 categories.Using 80%用于训练和休息以供验证。代码中没有什么复杂的内容，即读取csv、标记数据并将其输入到模型中。但经过3-4个时代，验证损失大于1，而train_loss倾向于zero.As，就像我搜索的那样，这是过度拟合的情况。为了克服这个问题，我尝试了不同的层，改变units.But仍然是一个问题。如果我停留在1-2个世
浏览 1提问于2020-07-16得票数 0
回答已采纳
我一直在做一些关于递归神经网络的研究，但我很难理解它们是否以及如何用于分析面板数据(即在不同时间段为几个对象捕获的横截面数据-例如，参见下面的样本数据)我所见过的.Most RNN示例与文本序列有关，而不是真正的面板数据，所以我不确定它们是否适用于这种类型的数据。示例数据：
ID TIME Y X1 X2
浏览 3提问于2016-10-13得票数 13
0回答
我正面临着一个问题，就像我想训练一个神经网络，通过高度和其他一些统计数据来确定植物何时完全生长。但是植物的种类太多了，所以我不能为每一种植物一一训练。我还试着用一个物种在另一个物种上的数据训练的神经网络，但它不起作用。所以我将要训练一个单一的神经网络来处理不同的物种。但是每个物种都有不同的比例
浏览 4提问于2017-12-05得票数 0
1回答
CNN的反向传播训练
、、、、
我以前在浅层(一层或两层)神经网络中工作，所以我对它们的工作原理有一定的了解，在训练过程中很容易直观地看到向前和向后传递的导子，目前我正在研究深层神经网络(更确切地说，是CNN)，我读过很多关于它们的训练的文章，但我仍然无法理解CNN训练的总体情况，因为在某些情况下，使用预训练层的人使用自动编码提取卷积权，在某些情况下，随机权值被用于卷积，然后使用反向传播来训练权
浏览 4提问于2016-07-11得票数 2
我想使用预先训练的神经网络与TF.Keras和Python。我想试试不同的案子。我在上看到了我可以使用的不同的预训练神经网络。我还想使用一个具有相同参数和预训练的非训练神经网络来获得比较结果的可能性。
我看到命令“model.summary()”存在。这是一个很好的方法，采取预先训练的
浏览 6提问于2022-06-15得票数 0
1回答
我是神经网络的新手。你只看一次(YOLO)发现了大量的在线资源，帮助理解神经网络的实际工作方式。
由于从零开始建立一个神经网络是耗时的，并不完全是万无一失的，以达到预期的效率。我看到了这些文章迁移学习&在深度学习中
浏览 0提问于2018-02-01得票数 5
回答已采纳
2回答
我使用h2o构建了一个简单的深度学习回归模型(如下所示)。该模型预测了R虹膜数据集中的间隔长度。我注意到，随着时间的增加，模型的精确度(r^2)增加了(图1)。通过增加历元数，我是以有害的方式对模型进行过度拟合，还是以有益的方式提高模型的准确性？
浏览 4提问于2017-07-03得票数 2
3回答
我在python中通过实现使用了feed-foward神经网络。对于训练，我将使用反向传播算法。我知道，对于神经网络，我们需要恰到好处的数据量，以便不会对网络进行过低/过高的训练。我可以为数据集获得大约1200个不同的训练数据模板。如何计算训练的最佳数据量？
由于我已经尝试了
浏览 0提问于2010-11-05得票数 2
回答已采纳
我正在做一个基于神经network.It的人脸识别项目，包括在不同的images.Does上训练系统，这意味着在训练系统在不同的图像上训练后，它不需要从任何数据库中匹配就能识别人?比如在字符阅读中，如果我们用所有的字符训练我们的系统，它能在没有任何进一步训练的情况下识别一个新字符吗？
浏览 0提问于2011-11-24得票数 0
回答已采纳
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
2回答
好吧，所以-我一直在处理python的神经网络，我做了几个前馈和一些重复的。我知道他们是如何在一个相当基本的水平上工作的。有时候，我会看到一些人用神经网络来生成像文字这样的东西；他们会声称自己已经训练了几千个段落，然后它会写一个新的段落。我最近读到一篇关于神经网络的文章，它分析了成千上万的字体，然后创建了自己的字体。这是一个问题--到目前为止，我
浏览 1提问于2016-07-01得票数 0
回答已采纳
1回答
神经网络(BP FF)能否自主学习如何控制螺旋桨以避免试飞和稳定？为了简单起见，只采用垂直螺旋桨控制和垂直速度。由于反向传播神经网络从输出和期望输出的差异中得到误差，它如何在不知道期望输出的情况下教自己(实际上，它需要学习期望的输出)。如果我把错误看作垂直速度(stopped=no错误)，那么它会更合适，但是<em
浏览 4提问于2013-09-19得票数 1
回答已采纳
我想知道Word2Vec是如何构建的。📷1) CBOW模型和Skip图模型都有一定的输入。3)将跳过图的输出作为中间神经网络的输出。CBOW的输出是对给定上
浏览 0提问于2017-06-12得票数 6
回答已采纳
从这个开始：
要这样做：
然后，我将其裁剪为5个不同的部分，具有不同类型的阈值和角度(在旋转矩阵2D中)，用于训练神经网络。现在我有45个类似的jpg文件，适用于从0到9的任何数字。但我不明白如何用我自己的数据训练它，而不是使用MNIST数据集来帮助我构建一个数字识别程序。我需要将img中的所有数字提取为文本。
浏览 1提问于2018-12-23得票数 0
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
