به بخش پرسش و پاسخ یادگیری عمیق خوش آمدید,
این نسخه آزمایشی سایت است.
لطفا به نکات زیر توجه کنید:
  • برای ارتباط با مدیران میتوانید از صفحه مدیران اقدام کنید.
  • سوال و جواب ها باید به زبان فارسی باشند. استفاده از زبان انگلیسی یا فینگلیش برای پاسخ دادن مجاز نیست.
  • لطفا بعد از پرسش سوال لینک سوال خود را در گرو تلگرام (Iran Deep Learning Group) معرفی کنید تا سریعتر به جواب برسید. برای دسترسی به آخرین لینک از منابع یادگیری استفاده کنید
  • لطفا بجای عکس از متن استفاده کنید. اگر متون طولانی هستند از سایت pastebin.com برای اپلود استفاده کرده و لینک حاصل را در سوال خود قرار دهید. برای قرار دادن تصویر ، از بخش ارسال تصویر ادیتور سایت استفاده کنید.
  • بعد از دریافت پاسخ، بهترین پاسخ را از طریق کلیک بر روی علامت تیک انتخاب کنید
  • اگر با خطا و یا مشکلی مواجه شدید از بخش تماس با ما در انتهای صفحه و یا ایمیل Coderx7@gmail.com موضوع را اطلاع دهید.

با تشکر

دسته بندی ها

0 امتیاز

سلام خسته نباشید
ایا دستوری وجود داره برای اینکه بفهمیم ویژگی هایی که از یک لایه استخراج میکنیم چه نوعی دارند؟
بر فرض 2000 ویژگی از یک لایه استخراح شده اند و در فایلی نگه داری شده اند. ایا می توان فهمید نوع این ویژگی ها چه هستند؟ لیبل این ویژگی ها را می شود فهمید یا خیر
ممنون

توسط (150 امتیاز)

1 پاسخ

0 امتیاز
 
بهترین پاسخ

با سلام
ویژگی هایی که از شبکه های عصبی عمیق استخراج می شوند صرفا یک عدد هستند و اینکه نمایانگر چه چیزی هستند مشخص نیست. و به نظر من این یکی از ضعف های یادگیری عمیق هست با اینکه این ویژگی های در خیلی کاربرد ها بسیار مفید هستند اما مشخص نیست که به طور مثال ویژگی 40 نمایانگر رنگ شکل یا هر چیز دیگری هست.

توسط (208 امتیاز)
انتخاب شده توسط
یعنی از هیچ راهی نمیشه یه اطلاعاتی کسب کرد؟
برای انجام داده کاوی روی این داده ها نیاز است که بدونیم این اعداد به چه چیزهایی اشاره میکنن.
داده کاوی روی این ویژگی ها تا حالا هم انجام شده. یعنی اون ها هم نمیدونن روی چه ویژگی هایی داده کاوی کردند و صرفا داده کاوی انجام دادن؟
منظورتون از داده کاوی دقیقا چه روشهایی هستند.
به طور مثال مقالاتی در زمینه انتخاب ویژگی (feature selection) وجود دارند. مثلا در یکی از مقالات پزشکی با استفاده از شبکه alexnet ویژگی رو استخراج کرده کرده بودند و با استفاده از تکنیک انتخاب ویژگی ویژگی های بهتر رو از 4096 ویژگی انتخاب میکرد. این کار شدنی هست. اما اینکه اعداد دقیقا چی هستند مشخص نیست به همین خاطر میتوان شبکه های عمیق رو black box توصیف کرد
روش های knn  یا svm یا درخت تصمیم که بتوان با استفاده از این ویژگی ها و انتخاب یک target برای انها که نشان دهنده کلاس تصویر است بتوان روی آنها داده کاوی انجام داد. در واقع این ویژگی ها attribute باشند و یک تارگت که نشان دهنده کلاس تصویر است به هر نمونه اختصاص دهیم.
این کار شدنی هست. چون هر ویژگی ای که از تصویر استخراج میشود مشخص است که مربوط به چه کلاسی هست.
...