افزایش دقت label کلاس ها با استفاده از دیپ لرنینگ

Question

با سلام
یه سری دیتا دارم به عنوان ورودی که یک سری خروجی دارن. این خروجیا با یه الگوریتم به دست اومدن که خیلی دقیق نیست. حالا من میخوام با دیپ لرنینگ این خروجی ها رو restimate کنم. یعنی یه سری خروجی برای یه سری ورودی داریم که دقیق نیست. میشه با دیپ لرنینگ به دقت بهتری رسید؟ یکی از دوستان GAN رو پیشنهاد داد. روش دیگری به نظرتون میرسه؟
توضیحات بیشتر: داده ها سیگنال های زمانی هستن ولی بحث پردیکشن نیست. این سیگنال های زمانی با استفاده از روش های ریاضیاتی به یک خروجی می رسند. مثلا یک پترن خاص از سیگنال نشان دهنده ی یک نفر از صد نفر است. ولی خوب این دقتش پایینه. آیا از این داده ها(ورودی و لیبل به دست آمده) میشه استفاده کرد توی دیپ و دقت رو بالا برد؟ (یه راهش اینه که من داده ها رو از اول با دیپ لرنینگ کلاسترینگ کنم.) راه دیگه ای که از نتایج روش قبل بشه استفاده کرد؟ مثلا fine tuning انجام داد. یا کلا با داده های بدون لیبل با استفاده از دیپ یه کلاسترینگ انجام داد و از داده های روش قبل هم جهت بهبود شبکه استفاده کرد.

Comments

سلام . سوال واضح نیست .لطفا یکم بیشتر بازش کنید.

---

یه سری دیتا دارم به عنوان ورودی که یک سری خروجی دارن. این خروجیا با یه الگوریتم به دست اومدن که خیلی دقیق نیست. حالا من میخوام با دیپ لرنینگ این خروجی ها رو restimate کنم. فکر میکنم بشه به صورت یه مساله رگرسیون بهش نگاه کرد. چه روشی پیشنهاد میدید؟

---

خب این که میتونید بهبود بدید یا نه بستگی به میزان دیتاتون داره و معماری انتخابی و کلا همه الزامات شروع یه پروژه با دیپ لرنینگ شامل حال شما میشه .مساله رگرسیون هم میتونید با کانلووشن پیش برید.
شما باید بیشتر در مورد ماهیت مسالتون صحبت کنید و عنوان رو هم دقیقتر کنید تا بچه های دیگه که کار کردن بتونن متوجه بشن و بیشتر کمکتون کنن .

---

سلام .
داستان GAN قضیه کاملا متفاوتیه . اولا GAN هنوز مراحل آزمایشیش رو طی میکنه (تو حوزه ایجاد داده مجازی قابل استفاده در اموزشها) و استفاده ازاون برای هر کاری پیشنهاد نمیشه. و دوما شما صحبتی اصلا از کمبود داده نکردید !
شما یه مساله کلی رو عنوان کردید که قبلا یکسری داده با یک الگوریتمی به یه دقت پایین رسیده و الان میخوایید با دیپ لرنینگ تست کنید ببینید نتایج بهتر میشه یا نه .
خب این میشه یه مساله جدید و همه موارد کلی در رابطه با یک پروژه یادگیری عمیق در موردش صادقه .

بعد درمورد توضیحاتتون هم باز نامشخصه این خروجی ها تولید شده الگوریتم قبلی هستن به ازای ورودی ها (یعنی ماحصل اموزش با الگوریتم قبلی هستن یا نه) ؟ یا اینکه دیتای شما هستن (دیتا و لیبل مثلا که نا دقیق هست اون لیبل)
بعد ایا مساله شما یه سری زمانی هست یا نه رگراسیون معمولی؟
و هرچی هست یک مثالی حداقل بزنید از دیتای ورودی و خروجی و خلاصه مشخص باشه چی به چیه . 30 تا بازدید داشته سوال و مطمئنا بخاطر کمبود اطلاعات یا گنگ بودن سواله که کسی هنوز جوابی نداده . یکم همت کنید توضیحات رو دقیقتر کنید تا انشاالله جواب بهتری بگیرید