1回答
提高神经网络输出中负类的精度
、、、、
我已经训练CNN来预测音频音调(负面，中性，正面)，我有4个不同的CNN模型，它们的架构和数据集略有不同。这些模型在大多数测试用例中都运行良好，并提供了预期的输出。# 1 is for Neutral[[9.999
浏览 12提问于2021-01-21得票数 0
1回答
我有一个由5个数值变量组成的数据集，如以下图像中的示例：在这个数据集中，前四个变量是输入，GDP是输出。我正试图建立一个回归GDP变量的神经网络。然而，神经网络结果的精度很低，我认为问题在于输出变量的归一化。关于如何提高神经网络的准确性，有什么建议吗？
浏览 0提问于2020-03-24得票数 0
我正在使用tensorflow训练两个使用两个不同数据集的相同神经网络实例。网络本身非常简单，有一个输入和输出层和6个隐藏层(每个层是一个20 meuron，然后是一个非线性激活函数)。我可以用两个不同的数据集来训练网络，这很好。现在，我想要做的是创建一个新的网络，它是这两个受过训练的网络的结合。特别是，我希望输入和前3层来自一个经过训练的网络，最后3层和输出层来自另一个网络。
浏览 0提问于2017-02-19得票数 5
我正在keras中训练神经网络，我达到了一个经典的极限-我的训练精度随着时代的增加而提高，但我的验证精度在9个时代之后会下降(见图)。 ? 我想知道我是否可以通过执行以下操作来避免验证精度的下降:如果时期导致验证精度的提高，则使keras net仅接受每个时期之后对权重的更改，否则重置为时期之前的状态？我
浏览 15提问于2019-09-01得票数 0
1回答
这是Keras模型的最后一层。model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])例如，当真正的类是[0, 0, 1]，而预测的概率是[0.1, 0.4, 0.5]时，即使0.5是最大的概率，这个
浏览 3提问于2020-07-25得票数 4
回答已采纳
1回答
我建立了一个用于图像分类的卷积神经网络，它成功地处理了每个类的大量数据，但我希望用特定的数据库来实现它，每个类的可用数据量有限(例如，可以是1、2、3)。同一模型的精度将非常低，而不是我使用的数据增强，批归一化，和退出。如何在低数据量的情况下提高系统的精度，是否有专门针对这种情况的模型，或对我的系统进行任何其他
浏览 0提问于2019-06-19得票数 0
回答已采纳
1回答
我试图为3种神经网络建立一个多数投票系统，我遇到了套袋法的概念。实际上，我想使用神经网络作为弱学习者(我知道它是可争论，但一些论文已经尝试过，我也想尝试)。有关我试图构建/构造的投票系统的更多信息，请阅读下面的线程 ( softmax层更好地提供线程中的函数，因为大多数函数只给出了与3 NNs相当的精度，但并没有提高整体精度)。我读到，套袋可以提高弱学习者的</e
浏览 0提问于2019-08-28得票数 1
回答已采纳
1回答
我有一个前馈、完全连接的神经网络工作相当好的分类问题(两类，真正和真负率接近80%)。
我想把这些比率提高到90%，而更多的功能是我所能想到的改进的催化剂之一。做自动编码器来学习更多有趣的特性，可以很好地解决不涉及图像的问题？
浏览 0提问于2016-01-31得票数 5
回答已采纳
1回答
减少输出神经元数量
、、、
我试图训练一个神经网络来控制一个字符的速度在二维。X和y在-1到1米/秒之间。目前，我把范围分割成0.1m/秒的间隔，所以我得到400个输出神经元(20x值*20y值)，如果我把精度提高到0.01，我就得到40k输出神经元。有没有办法减少输出神经元的数量？
浏览 1提问于2014-09-14得票数 0
回答已采纳
1回答
CNN必须阅读由5位数字组成的手写数字。所以我研究了一些更有效的滑动窗口的方法，并遇到了Overfeat。它将整个图像转换为类维输出</e
浏览 2提问于2020-02-24得票数 2
回答已采纳
2回答
我正在尝试将图像分类到超过100个类别，不同大小的范围从300到4000 (平均大小1500与std 600)。我使用的是一个相当标准的CNN，其中最后一层输出一个类的长度的向量，并使用py手电的丢失函数CrossEntropyLoss。我还考虑过复制图像，这样所有类最终都会与大型类的大小相同。
有什么标准的方法来处理这种不平衡吗？
浏览 0提问于2018-05-15得票数 10
1回答
我的目标是提供一个简单的神经网络拟合，提供一个特定图的2个顶点，如果有链接则为1，如果没有链接则为0。
我对我的模型进行了拟合，拟合过程中损失约为0.40，准确率约为83%。我的模型对正样本损失约0.35和1.0精度，对负样本损失约0.46和0.68精度。我对神经网络的理解非常有限，但据我所知，上面的理解意味着，当没有链接时，它在理论上总是正确的，但有时即使没有链
浏览 1提问于2018-05-14得票数 2
我正在使用神经网络进行多类分类。假设我有10个目标类和一个null (非高于目标的类)。我为每个目标单独训练一个神经网络，每个网络(目标，非目标)有两个输出神经元，这样在上面的情况下，我需要10个单独的神经网络，还是有11个输出(10个目标，1个其他)的神经网络更好？我见过人们在不同的论文中使用这两种方法中的任何一种，但没有解释，但是对每个目标<
浏览 0提问于2014-09-16得票数 1
2回答
如何提高生物数据集的准确性？
、、、、
我有一个生物不平衡数据集，我已经应用了深入学习，支持向量机(所有的核心函数)和人工神经网络的多类分类(大小:139个样本，5个属性)在python。不幸的是，准确度不超过55%。怎样做才能提高准确度？如果数据集不能超过这种平均精度，那么解决方案是什么？
浏览 0提问于2017-08-01得票数 1
回答已采纳
2回答
我正在建立用于图像分析的神经网络，以进行胸部X线分类(异常/通过)。附加图像是我构建的模式。是否有任何方法来提高异常X射线的分类精度？
浏览 0提问于2019-07-17得票数 0
1回答
预测精度混淆矩阵2577 13953] 3.0 0.90 0.84 0.87 16530对于神经网络2883avg /总数0.85 0.87 0.85 194
浏览 0提问于2017-05-05得票数 0
1回答
我尝试使用Matlab中标准的patternnet工具来训练神经网络。我对不同数目的神经元做了不同的测试，从1到100个，但我的分类效果总是很差。所以我看了一下混淆矩阵，我注意到问题是分类器混淆了类“2”和“3”。我接下来尝试的是创建两个神经网络：
第一种神经网络是2类分类器，具有“1”类和“23”类(类“2”和“3”的结合)。第一次分类对我有很好的<
浏览 2提问于2016-02-20得票数 2
回答已采纳
有什么简单的方法可以创建一个无用的神经网络进行测试，它可以反向传播(这样就不需要注释掉loss.backward())，并且是可训练的，但它不会对预测精度有任何改善？例如，下面是MNIST数据集的神经网络。我应该如何创建一个对应物，它也可以提供相同维度(batch_size * 10)的输出，从而使loss张量能够反向传播梯度，但不会提高精度？
浏览 15提问于2021-03-26得票数 0
1回答
我有一个AI项目，它使用了反向传播神经网络。目前，已经完成了10000多个历元，每个历元几乎需要0.5秒。
如果我离开很长一段时间，如何知道神经网络是否可以成功训练？(或者它不能训练得更好？)
浏览 1提问于2012-01-20得票数 3
回答已采纳
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
