Welche Richtlinien sollten für die Verwendung neuronaler Netze mit spärlichen Eingaben befolgt werden?

9

Ich habe extrem spärliche Eingaben, z. B. Positionen bestimmter Merkmale in einem Eingabebild. Darüber hinaus kann jedes Merkmal mehrere Erkennungen haben (nicht sicher, ob dies einen Einfluss auf das Design des Systems hat). Dies werde ich als k-Kanal-Binärbild mit EIN-Pixeln präsentieren, die das Vorhandensein dieses Merkmals darstellen, und umgekehrt. Wir können sehen, dass eine solche Eingabe sehr spärlich sein muss.

Gibt es also Empfehlungen für die Verwendung von Daten mit geringer Dichte mit neuronalen Netzen, insbesondere Daten, die für Erkennungen / Standorte repräsentativ sind?

neural-networks deep-learning sparse user3246971
quelle
Dies ist eine interessante Frage. Wenn Sie eine Antwort auf Ihre Frage gefunden haben, sollten Sie Ihre Frage beantworten. Andernfalls überarbeiten Sie bitte Ihre Frage mit detaillierteren Informationen zu dem Problem, das Sie beheben möchten. Auch Dichte der spärlichen Matrix.
NULL

Antworten:

2

Sie können versuchen, Feature-Einbettungen zu verwenden, um die Dimension des Eingabebereichs zu verringern. Ähnlich wie der word2vec-Ansatz in NLP scheint er in Ihrem Fall zutreffen zu können, da Ihre Funktionen binär sind (Ein / Aus).

Miguel
quelle