用于分类的深度学习网络
Posted
技术标签:
【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。
【讨论】:
以上是关于用于分类的深度学习网络的主要内容,如果未能解决你的问题,请参考以下文章