2回答
胶囊网络用于二分类而不是训练
、、、、
目前，我正在尝试使用实现一个胶囊网络。我有一个脑瘤图像的，其中有98个阴性标记的实例和155个阳性标记的实例。我想使用胶囊网络来预测图像上脑瘤的阳性或阴性。我读过关于'‘的论文，他们在上做了一个胶囊网络实现，其中只有89张图片，即使没有数据增强，它也能得到不错的预测(不平衡场景1的F1得分为0.887)。这让我相信可能是网络出了问题。
浏览 51提问于2019-11-22得票数 1
4回答
我知道logistic回归适用于二元分类，而softmax回归则适用于多类问题.如果我用相同的数据训练多个logistic回归模型，并将它们的结果归一化，得到多类分类器而不是使用一个softmax模型，我可以说：“所有的多类分类器都是二进制分类器的级联结果”。(神经元网络除外)
浏览 3提问于2016-03-17得票数 24
回答已采纳
1回答
表格数据集的机器学习算法
、、、
数据集是分类值和数字值的组合。它是一个表格数据集。我的问题是二进制分类问题。我用朴素贝叶斯、贝叶斯网、支持向量机、MLP、随机森林、Logistic回归等经典分类算法对我的数据集进行了训练，我想知道在机器学习领域是否有可用的算法是新的而不是经典的，可以用表格数据集来实现。我听说过卷积神经网络、深层神经网络等，但我认为它们适用于图像数据，而不是表格数据。
浏览 0提问于2022-09-30得票数 0
回答已采纳
我在Google云上训练了一个巨大的神经网络(尺寸更大、类更多的胶囊网络)。这个网络需要大约400 GB的RAM和4个GPU来训练它而不会崩溃。理论上，我听到的是神经网络可以在普通PC上执行预测。但是，考虑到培训所需的资源如此之多，是否仍有可能下载tensorflow检查点并在我的膝上型计算机上运行网络以进行预测？
浏览 4提问于2020-04-04得票数 1
1回答
我目前正在使用tensorflow创建一个神经网络来进行基本的二进制分类，并且我想在训练后检查模型的偏差。
我有一个大约300,000个样本的数据集，每个样本都有一个包含112个特征的列表。在训练之前，我们已经选择了20个我们想用来预测的特征--种族是数据集中的一个特征，但它不用于训练神经网络。我想要的是能够看到" race“值不同的变量被错误分类的频率，而不包括训练数据集中的竞赛特性。是
浏览 0提问于2022-06-07得票数 0
5回答
我想要创建一个狗分类器，它输出包含狗的图像的概率。二进制分类器(1类)，它只输出包含狗的图像的概率.这在我看来是合理的。二级分类器，分为“狗”和“非狗”两类.但是这种方法的问题是，神经网络也必须学习“非狗”类，这是不可能的，因为它没有模式，而且在每个训练示例中都是不同的。
第二种方法是否不如第一种有效？或者根本不工作？
浏览 0提问于2019-06-27得票数 4
回答已采纳
1回答
我的弱分类器是8个不同的神经网络。每一项预测的准确性在70%左右，经过充分训练。
我对所有这些网络进行充分的训练，并收集它们对训练集的预测，因此我有8个关于训练集的预测向量。我对adaboost的解释是，它将找到一个最终的分类器，作为我上面训练过的分类器的加权平均值，它的作用是找到这些权重。所以，对于每一个训练例子，我都有8个预测，我用最棒的权重组合它们。请注意，通过这种解释，弱分类</
浏览 3提问于2016-02-29得票数 6
回答已采纳
1回答
我试着训练一个网络来解决二进制分类问题。(这是一个convnet，使用R中的keras，用于图像识别，kaggle的人类蛋白质图像分类挑战，具体而言，但我不认为细节在这里非常重要。)我训练的网络(同时使用二进制交叉熵作为我的损失函数)继续复制基线分类器；也就是说，不管测试输入是什么，总是预测'0‘的分类器。
我一点也不困惑为什么有时会发生这种事。首先，有大量的网络配置来复
浏览 0提问于2019-01-03得票数 0
1回答
我正在使用卷积神经网络对具有二进制标签(0或1)的图像数据集进行分类。在训练网络时，每个时代最终都有零个假阴性，这是否意味着我的网络只是将所有东西都归类为1，而不是费心去匹配0？对于训练集，0:1的比率约为8000:5000，对于验证，比率为700:500。
浏览 19提问于2020-12-21得票数 0
1回答
我正在训练一个神经网络，它有大约10个分类输入。在对这些分类输入进行一次性编码后，我最终将大约500个输入输入到网络中。我可以将这些方法应用于one-hot编码输入，但如何在应用于二进制化的输入后提取含义？如何判断分类输入的特征重要性？
浏览 15提问于2017-02-18得票数 6
1回答
提供恒定输出的一维卷积网络
、、、、
我想用一维卷积神经网络进行回归。我不确定是否正确设置了代码。每个输入样本本质上是一个含有40个元素的一维向量，所以在第一个卷积层中，我希望每个滤波器沿着训练批中每个向量的长度传递。我是否正确地设置了宽度、高度、通道等来达到这个目的？因为我使用的输出层只有一个神经元具有tanh激活(输出范围为- 1.0 : 1.0)
当使用经过训练的网络</e
浏览 0提问于2019-05-22得票数 0
回答已采纳
2回答
我正在阅读关于人工神经网络的文章，据说人工神经网络用于训练数据训练后的预测。并给出了神经网络在分类中的应用。这里是否保证经过训练的神经网络总是产生输出为+1或-1 (即分类为+1或-1)？如果没有，那么ANN是如何用于分类的？
浏览 0提问于2017-04-09得票数 -1
回答已采纳
1回答
在某些图像处理应用中，需要选择支持向量机和神经网络。分类器的速度必须足够快，以满足近实时的应用需要，而且精度也很重要。由于这是一种医学应用，所以分类器的故障率很低是很重要的。
哪个是更好的选择？
浏览 4提问于2012-05-20得票数 11
2回答
我有两个输入和一个输出的简单神经网络，没有隐藏层。即，input1 =z input2权重似乎没有移动到一个最优值。据我所知，我已经检查了梯度，根据成本函数的导数，我可以看到权重的上升或下降，但是网络并没有朝着最优的方向移动。
浏览 1提问于2020-01-05得票数 1
回答已采纳
2回答
我对python中的神经网络( NN )完全陌生，我不知道NN是否能在raspberry pi 3中运行？因为我认为问题在于神经网络在训练、数据传输和计算方面需要良好的CPU/GPU性能。那么，用单类训练数据训练神经网络是可能的吗？为了节省CPU/GPU？
例如，我希望系统只检测图像中的海参。一个好的答案/解释或链接到任何例子将是非常感谢的。谢谢你，PO
浏览 2提问于2017-08-26得票数 1
回答已采纳
2回答
我正在使用本地父节点分类器(LCPN)与“兄弟姐妹”策略构建分层文本分类器，如不同应用领域的层次分类综述中所述：
例如，如果我们有1.1，1.2，2.1，2.2，2.3类，那么在第一级我们使用所有的训练集来训练一个分类器来区分第在第二级，我们使用两个多类分类器，第一个分类器用于1.1到1.2之间的分类，而第二个分类器只使用属于这些类的数据，第<e
浏览 0提问于2019-12-05得票数 6
2回答
FF神经网络与二值分类
、、、
每当我就二进制分类问题训练FeedForward神经网络时，网络就会返回浮点值。这背后的理论是什么？这能被解释为概率吗？例如，如果净收入为0.7，这相当于表示值为1而不是0的概率为70%吗？
浏览 1提问于2015-08-18得票数 1
回答已采纳
3回答
监控Caffe中的培训/验证流程
、、、、
我正在训练用于图像分类的Caffe参考模型。我的工作要求我在整个训练集和验证集上每1000次迭代后绘制模型精度图来监控训练过程，验证集分别有100K和50K图像。现在，我采取了一种简单的方法，每1000次迭代后制作快照，运行C++分类代码，读取原始的JPEG图像并转发到网络，并输出预测的标签。然而，这在我的机器上花费了太多的时间(使用Geforce GTX 560 Ti)我在考虑使用L
浏览 0提问于2015-08-13得票数 17
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
