Qué pautas se deben seguir para usar redes neuronales con entradas dispersas

9

Tengo entradas extremadamente escasas, por ejemplo, ubicaciones de ciertas características en una imagen de entrada. Además, cada característica puede tener múltiples detecciones (no estoy seguro si esto tendrá una relación con el diseño del sistema). Esta se presentará como una 'imagen binaria' de k canales con píxeles ENCENDIDOS que representan la presencia de esa característica, y viceversa. Podemos ver que tal entrada está destinada a ser muy escasa.

Entonces, ¿hay alguna recomendación al usar datos dispersos con redes neuronales, específicamente datos representativos de detecciones / ubicaciones?

neural-networks  deep-learning  sparse 
— usuario3246971
fuente
Esta es una pregunta interesante. Si ha encontrado una respuesta a su pregunta, considere responderla. De lo contrario, revise su pregunta con información más detallada sobre el problema que está tratando de resolver. Además, densidad de escasa matriz.
— NULL

Respuestas:

2

Puede intentar usar incrustaciones de características para reducir la dimensión del espacio de entrada. Al parecer, el enfoque de word2vec en PNL parece que podría aplicarse en su caso, ya que sus características son binarias (activar / desactivar).

— Miguel
fuente
Al usar nuestro sitio, usted reconoce que ha leído y comprende nuestra Política de Cookies y Política de Privacidad.
Licensed under cc by-sa 3.0 with attribution required.