我对机器和深度学习非常陌生。我的疑问是，如何将强化学习添加到使用传统神经网络开发的图像分类器中，以随着时间的推移提高其性能？
浏览 23提问于2020-05-10得票数 0
1回答
将动作识别重新定义为强化学习问题
、、、、
考虑到强化学习方面的重大进展，我想知道是否有可能将诸如动作识别、目标跟踪或图像分类等问题转化为强化学习问题。
浏览 0提问于2018-06-04得票数 2
回答已采纳
1回答
卷积神经网络通常是图像分类和语义分割的最佳选择。分类/数字数据(年龄、身高、城市等)另一方面，传统的机器学习模型，如(深度)随机森林模型、支持向量机模型或传统神经网络模型处理效果最好。是否有将卷积神经网络和传统神经网络相结合的混合结构来对图像和分类数据集进行分类？我确信这个问题以前已经解决过，我特别希望在一个公共库(PyTorch、Te
浏览 0提问于2018-06-12得票数 1
在维基百科和deeplearning4j中都有这样的说法:深度学习神经网络是一种隐层大于1的神经网络.我的神经网络的背景大多来自大学，而不是工作：有5门关于artif的课程。情报。&马赫。学习。-也许其中有两个在NN上
用于小而简单的图像</em
浏览 0提问于2016-10-04得票数 14
回答已采纳
1回答
我是学生，在python上还是新手，我需要在我们的领域中使用深度神经网络，这与深度学习没有直接关系，但我们可以用深度学习来优化这些错误。上一次我尝试用python工作，但是我发现我需要很长的时间从头开始学习python。我们几乎所有的东西都使用Matlab，我很好地掌握了它。我决定搬回matlab，利用那里的深度学习。我的问题是，有谁有任何视频或教程，我可以跟随，以了解有多深的学习Matlab？
提前谢谢你。
浏览 5提问于2019-10-12得票数 0
回答已采纳
1回答
Pytorch卷积层返回Nan
、、、、
因此，我使用卷积层作为神经网络的第一层，用于深度强化学习，以从我构建的模拟中获得空间特征。模拟提供了不同的地图，这些地图具有不同的长度和高度。如果我理解卷积网络，这应该无关紧要，因为信道大小保持不变。在卷积网络和完全连接的层之间，有一个空间金字塔池层，因此不同的图像大小并不重要。此外，空间数据也相当稀疏。通常，在第一卷积层吐出所有Nans之前，它能够经历几个状态，有时还会经历几个插曲。
浏览 12提问于2018-08-09得票数 0
1回答
我想训练一个分类器来区分“带武器的人”和“没有武器的人”。武器可以包含任何武器，如左轮手枪或突击步枪。我想做什么？利用武器包围盒坐标获取的原始图像块训练SVM分类器。对于“没有武器的人”，我要把完整的原始图像作为特征向量传递给SVM。每个包围盒都有不同的大小，这意味着一个不同大小的武器。我不能对这些包围盒使用主成分分析，因为我认为这可能会导致信息丢失，因为在images.Some包围框中有3种不同大小的武器，几乎覆盖了整个图像。因此，
浏览 1提问于2016-11-12得票数 0
回答已采纳
1回答
我想用Keras建立CT图像序列的分类模型。我的数据集从50名病人中获得，每个病人有1000张图像。对于病人来说，每一张图像都与前一张图像有着有意义的关系。
浏览 4提问于2019-04-24得票数 6
回答已采纳
我在这里使用的方法是
网络的输入只是7x7图像中每个图像的红色像素强度(当我通过红色过滤器查看蓝色像素时，它看起来是黑色的)。提取每个像素的强度，然后将7x7矩阵转换为1D向量，即1x49，这是我对神经网络的输入。(我选择了这个特性作为我的输入，因为使用C和webots.
浏览 4提问于2014-08-08得票数 1
1回答
我知道我可以使用Haar Cascade分类器来完成这个任务，但是我更愿意使用一种深入学习的方法，因为这是我目前关注的领域。要做到这一点，我是否只是创建一个CNN，输入是一个图像，输出是X，Y，宽度，高度？或者还有更多？我已经尝试过这种方法与亚当优化器和大约600张图片，但结果不是很好。关于如何改进这个问题，有什么建议吗？
浏览 0提问于2019-01-23得票数 3
回答已采纳
2回答
深信念网络与卷积神经网络
、、、、
我是神经网络领域的新手，我想知道深层信念网络和卷积网络之间的区别。另外，是否有一个深卷积网络，它是深信念和卷积神经网络的结合？
到目前为止，这是我收集到的。如果我错了，请纠正我。然后，我通过第一个隐藏层转发所有图像以获得一组特征，然后使用另一个自动编码器(1000-100-1000)获得下一组特征，最后使用softmax层(100-10)进行分类。如果使用卷积神经网络解决了同样的问题，那么对于50x50输入图
浏览 8提问于2014-07-03得票数 44
回答已采纳
1回答
我一直在阅读关于深入强化学习的文章，如下所示：
我还需要一段时间才能理解所有的数学，但这并不能阻止我使用库。无论如何，我知道在卷积神经网络中，如果你想对图像进行学习，你必须对图像进行预处理，否则计算神经网络所需的计算能力是天文数字。这是否以任何方式降低了网络的质量？如果是的话，怎么做？例如，假设您有足够的计算能力来为网络提供一个视频流中每一个高质量图像的每个像素，以便学习
浏览 4提问于2016-07-11得票数 0
回答已采纳
8回答
我对神经网络这个话题很陌生。我遇到了两个术语--卷积神经网络和递归神经网络。
我想知道这两个术语是否是指同一事物，或者，如果不是，它们之间会有什么区别呢？
浏览 6提问于2014-01-04得票数 67
2回答
在特征提取部分，我必须使用一些卷积掩码(如此中的图4.23 )来获得特征映射和输出。但是，我不知道我需要什么样的口罩和如何获得口罩？
浏览 0提问于2011-12-05得票数 0
我刚进入机器学习领域。到目前为止，我知道贝叶斯方法是该领域的主要研究方法之一。那么还有什么其他选择吗？以及它们之间的任何比较，比如应该在哪里使用哪种方法。
浏览 2提问于2014-01-03得票数 3
回答已采纳
2回答
卷积神经网络
、、、
这种对卷积神经网络的直观理解是否正确: 1.卷积基本上匹配图像的局部部分与卷积核/滤波器的相似程度。2.核/滤波器就像一个特征检测器。重要的是，它是学习的，并通过SGD自动修改和优化。
浏览 5提问于2016-08-24得票数 1
回答已采纳
在深入学习中，我们可以用损失函数值来评估模型的性能，并通过K倍交叉验证等方法来提高模型的性能。但是，如何设计和优化神经网络在深度强化学习中的应用呢？我们可以用奖励等来评估强化学习算法本身的性能，但是如何保证神经网络在强化学习算法中的应用是好的还是坏的呢？
浏览 0提问于2019-02-08得票数 3
1回答
使用libsvm的分类总是错误的，并且它永远不会改变预测的标签。我有7种情绪，当我试图从数据集之外预测一幅图像时，它给了我4.这是快乐的情绪，我尝试了数据集中的一幅图像，结果是相同的标签)注意:我使用的是日本女性面部表情数据集。
浏览 2提问于2015-06-23得票数 1
2回答
用于音频的卷积神经网络
、、、、
我一直在学习关于DeepLearning.net的教程，以学习如何实现从图像中提取特征的卷积神经网络。本教程解释得很好，易于理解和遵循。我读过几篇关于这个主题的论文(多模特征提取/表示)，但是没有人解释过音频是如何输入到网络中的。我们大脑中会激发多种神经模式，以全面了解狮子的长相、声音、感觉、气味等。
上面提到的是我的最终目标，但就目前而言，为了简单起见，我正在分解我的问题。如果有人能了解音频是如何分解的，然后再用卷积<em
浏览 3提问于2014-03-18得票数 34
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
