用于分类的深度学习网络

Posted 2023-03-13

【中文标题】用于分类的深度学习网络

【英文标题】：Deep learning network for classification

【发布时间】：2014-12-11 19:38:56

【问题描述】：

我知道这是一个一般性的问题，但我想要一些反馈。 所以，我有一个图像分类任务，我试图用神经网络来解决。我已经有了我的特征向量。 有 3 个显着特征向量（2d 空间中的点坐标），每个可以属于三个类。 在这 3 个功能中，这些类并不相同。 （例如，一个可能是“直上”另一个“圆形方形三角形”）。 这些组合在 6 个输出类中的整体分类任务中（不是 27 个，因为组合的数量可能暗示）。 那么，问题是什么： 深度学习网络/卷积网络是一个很好的解决方案吗？或者你更喜欢别的东西？ （我刚开始学习这些，还不能下定决心，所以我希望有经验的用户提供一些反馈）

【问题讨论】：

可能不会，因为你有低维的现有特征。在从未标记数据中学习特征时，CNN 或（堆叠）自动编码器等技术大放异彩。斯坦福有一些不错的tutorials。

非常感谢您的回复：D 我会调查他们。

github中有一个用于深度学习的Matlab工具箱：github.com/rasmusbergpalm/DeepLearnToolbox

【参考方案1】：

据我了解，您的问题对于实施深度学习并没有那么复杂。因为你有低维特征和很少的类输出。深度学习主要用于高度非线性和大尺寸的分类问题。我建议你使用 AdaBoost 或 SVM 分类器来完成这种简单的分类任务。 Matlab 为上述技术提供了很好的工具。