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

درود
برای یک دیتاست با ۱۵ ویژگی و حدود ۳۰۰ هزار نمونه که تعداد نمونه های لیبل دار حدود۵۰۰ نمونه هست، چه روش هایی رو برای طبقه بندی عمیق می‌شود بکار گرفت؟

توسط (100 امتیاز)

1 پاسخ

+1 امتیاز

سلام
اگه منظورتون از 15 ویژگی 15 کلاس باشه انشالله . یه روش میتونه این باشه
ابتدا یه شبکه convolutional autoencoder طراحی کنید و بصورت بدون ناظر (بدون استفاده از لیبل) با دیتاستتون آموزش بدید تا خروجی بتونه تا حد زیادی ورودی رو فالو کنه. بعد قسمت decoder را جدا کرده و به جاش لایه کلاسبند قرار دهید. حالا شبکه رو بصوورت supervised با نمومه های لیبل دارتون آموزش بدید.

  • برای ساخت autoencoder بهتره از شبکه های معروف و pretrained شده استفاده کنید.
    این کد autoencoder که تو گیت خودم هستش میتونه کمکتون کنه.
توسط (830 امتیاز)
...