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

با سلام
ایا ترکیب لایه کانولوشن شبکه سی.ان.ان با یک کلسيفاير یا روش هوش مصنوعي/يادگيري ماشين برای بدست آوردن یک حالت ترکیبی جهت انتخاب و یادگیری ویژگی ها وجود دارد؟
منظور از کلسيفاير برای مثال چیزی شبيه RBM است که بتواند کار یادگیری ویژگی را نیز انجام دهد.
جایی که مد نظر است فیلتر بانک های لایه کانولوشن هستند یعنی حالت ترکیبی آنها با یک روش یا کلا قرار دادن یک متد یادگیری ماشین.
در کاربرد EEG چیزی که در بین سرچ ها در اين زمينه یافتم فقط درباره متدهايي بودند که با ویژگی مکانی یا فرکانسي سیگنال کار میکردند و از آنها یه عنوان فیلتر بانک استفاده کرده بودند اما چیزی که مدنظر بنده ست یک روش ماشین لرنينگ است.
از تمام بزرگواران و صاحب نظران در این حوزه تقاضا دارم اگر نظر یا منبعی دز این ارتباط دارند اینجانب را راهنمایی کنند.
متشکرم

توسط (144 امتیاز)

1 پاسخ

+2 امتیاز
 
بهترین پاسخ

سلام
بله امکانش هست .
این موضوع بنوعی قبلا در معماری هایی مثل NIN و بعدا GoogLeNet و... بهش پرداخته شده.
چیزی که در این معماری ها صحبت شده جایگزینی لایه کانولوشن معمولی با یک شبکه عصبی هست که البته رفته رفته پر و بال بیشتری در معماری و مقالات بعدی گرفتن. لازم به ذکره که در این مقالات پیاده سازی این شبکه عصبی هم توسط لایه کانولوشن انجام میشه و شبکه طبق معمول براحتی اموزش میبینه . مطالعه اولیه این مقالات پیشنهاد میشه تا یک ایده ای بگیرید . بعدش میتونید شما هم در این مسیر پیش برید یا اینکه مسیر دیگه ای رو لحاظ کنید. مثلا از الگوریتم ژنتیک یا... در کارتون بهره ببرید.
ولی خیلی مهمه که قبل از انجام هر کاری شهود مناسب رو داشته باشید و بدونید دارید چیکار میکنید و دنبال چه چیزی هستید.
علاوه بر مطالعه مقاله های مرتبطی که بالا عرض کردم این مقاله (towards principled design of deep cnn) هم میتونه مفید باشه.

توسط (4.3k امتیاز)
انتخاب شده توسط
...