问题标签 [deep-learning]

对于某些图像处理应用程序，我应该在 SVM 和神经网络之间做出决定。分类器必须足够快以实现近实时应用，并且准确性也很重要。由于这是医疗应用，因此分类器具有低故障率很重要。

哪一个是更好的选择？

我正在决定是否要学习深度学习。你能帮忙回答一个愚蠢的问题吗？在谷歌的工作中，我收集到他们的人工神经网络在无监督的情况下学习了一个“猫脸特征”，在给定猫脸 stumulus 的情况下最好激活。训练集是绝对随机的 youtube 帧，还是它们都是 youtube 帧，里面可能都是猫？这很有趣。谢谢！

在阅读了几篇关于深度学习和深度信念网络的论文后，我对它的工作原理有了一个基本的了解。但仍然坚持最后一步，即分类步骤。我在 Internet 上找到的大多数实现都与生成有关。（MNIST 数字）

是否有一些解释（或代码）可以讨论使用 DBN 对图像（最好是自然图像或对象）进行分类？

此外，一些方向的指示会非常有帮助。

我正在为 matlab 寻找基于 GPU 的深度学习库。你知道任何或任何重要的建议吗？

我知道，在 1D 情况下，两个向量a和之间的卷积b可以计算为，也可以计算为和conv(a, b)之间的乘积，其中是对应的 Toeplitz 矩阵。T_abT_aa

是否有可能将这个想法扩展到二维？

给定a = [5 1 3; 1 1 2; 2 1 3]和b=[4 3; 1 2]，是否可以a在 Toeplitz 矩阵中进行转换并计算 和 之间的矩阵-矩阵乘积T_a，b就像在一维情况下一样？

我正在阅读有关深度学习的论文。其中大多数是指无监督学习。

他们还说神经元是使用无监督 RBM 网络进行预训练的。后来他们使用反向传播算法（监督）进行了微调。

那么我们可以使用深度学习解决监督学习问题吗？

我试图找出是否可以将深度学习应用于文档分类问题。我知道有相当不错的分类器可用。但我的目标是找出我们是否可以为此目的使用深度学习。

使用deeplearntoolbox时出现以下错误。具体来说，在执行文件时test_example_DBN.m

Yoshua Benhgio 的Learning Deep Architectures for AI一书提到

我们应该 [...] 努力开发使用数据来确定最终架构深度的学习算法。

有人知道迄今为止提出的任何算法来实现这一点吗？

这个问题与成功的算法无关——事实上，目前似乎没有。这个问题的目的是汇总曾经提出的每一个算法，这样任何对该主题感兴趣的人都不需要花费几个月的时间来寻找它们。

到目前为止，我遇到过：

• 平铺算法
  • 优点：添加层和单元
  • 警告：仅用于学习布尔函数，这与应用问题不太相关。

• 遗传算法（由用户vzn提供）：
  • 使用遗传算法寻找最佳神经网络架构
  • 使用遗传算法选择前馈人工神经网络的架构
  • 优点：学习连续函数，即与应用问题相关
  • 警告：计算上非常昂贵

我正在做一个项目，我将棋盘位置（FEN 字符串转换为二进制）和它的评估分数输入神经网络。我的目标是让神经网络区分好位置和坏位置。

我如何对位置进行编码：国际象棋中有 12 个独特的棋子，即白棋和黑棋的棋子、车、马、象、王后和国王。我使用 4 位对每一块进行编码，其中 0000 表示一个空方块。所以这 64 个方格被编码成 256 位，我用另外 6 位来表示游戏状态，比如轮到谁移动，国王城堡状态等。

问题：由于国际象棋位置的输入空间既不是平滑的也不是单模态的（棋盘位置的微小变化可能导致评估分数的巨大变化），神经网络学习不好。现在，下一个合乎逻辑的事情是以某种方式提取有用的特征（如材料差异、中心控制等）并将其提供给网络。

我不想手动选择功能，因为我希望网络自己学习所有内容。因此，我正在考虑使用自动编码器自动提取特征。有没有更好的方法来实现这一点？

摘要：从棋盘位置自动提取特征以便将其输入神经网络的最佳方法是什么？

更新：为了生成训练数据，我修改了 Stockfish 以将其评估过程转储到日志文件中。因此，它考虑的每个新移动（位置）都会作为 FEN 字符串连同它的评估分数一起写入文件

我正在尝试建立一个神经网络语言模型，似乎 Mikolov 等人的 word2vec 工具是一个很好的工具。我试过了，但它只会产生单词表示。有人知道我如何通过该工具或任何其他合理的深度学习框架生成语言模型吗？