首页
查找话题
首页
是不是并不是所有问题都适合用神经网络预测?
是不是并不是所有问题都适合用神经网络预测? 第1页
1
yukio-2 网友的相关建议:
小样本情况,无论是低维还是高维,不如SVM和贝叶斯模型
低维数据,大样本量,不如各种ensemble类算法
以上主要问题在于过拟合,传统机器学习算法大部分对过拟合都有比较合理的解决方案,而神经网络基本只靠heuristic。dropout虽然在Bayesian deep learning里面有不错的意义,但只依靠dropout来做inference实践上未免有点单薄
低维时序数据,小样本量,大部分情况下比不过HMM,ARIMA一类的,比如语音识别里至今CNN没有比HMM效果好多少
三维的图像数据,神经网络参数量太大,虽然有不少文章voxel based cnn,我目前还没有复现过效果比较好的模型
上面的三维数据,有一种做法是多视角赤极投影,然后用LSTM去学,然而实数空间不存在一个SO(3)群到S2群的连续映射,因为二者不同构,所以即使你做出实验效果,也有可能是某种过拟合的结果
神经网络容易受到对抗样本的攻击,攻击很容易,防御十分困难,目前为止的大部分防御措施都被指出存在漏洞
不规则数据,比如说graph signal或者point cloud,虽然有不少文章都尝试graph signal上做卷积,但是目前为止,应用在复杂数据集上效果欠佳,而且数学研究者的工作与CS研究者的工作还有着巨大的隔阂
有一些文章用神经网络做图像去噪,这类的文章,凡声称自己是“盲”去噪,不加任何正则项先验项的,有一大部分连自己到底想做到什么样的目标都说不清
是不是并不是所有问题都适合用神经网络预测? 的其他答案 点击这里
1
相关话题
深度学习底层开发对数学有哪些要求?
视觉算法的工业部署及落地方面的技术知识,怎么学?
人工智能被高估了吗?
DL/ML 模型如何部署到生产环境中?
为什么 Bert 的三个 Embedding 可以进行相加?
可以对只有一个像素的图片拥有版权或著作权吗?为什么?
机器学习中macro-F1的计算公式?
如何评价贾扬清离职 Facebook?
batchsize=1时可以用BN吗?
现在机器学习工业界和学术界的差别越来越大了吗?尽早实习和踏实科研各有什么利弊?
前一个讨论
正负样本极不平衡的问题?
下一个讨论
怎样才能写出 Pythonic 的代码?
相关的话题
请问人工神经网络中的activation function的作用具体是什么?为什么ReLu要好过于tanh和sigmoid function?
关于tensorflow中的滑动平均?
机器学习,深度神经网络等方法是否是正确的方向?
编程达到什么水平才能编写出像caffe这样的深度学习框架?
计算机视觉是否已经进入瓶颈期?
如何直观地解释 backpropagation 算法?
除了深度神经网络已经实现的特性以外,大脑还有哪些特性是值得机器学习领域借鉴的?
新手如何入门pytorch?
为什么说大模型训练很难?
如果用机器学习的理论来理解人的行为,会有什么发现?
行为识别常用哪种特征提取?
你遇见过什么当时很有潜力但是最终没有流行的深度学习算法?
CVPR2022 有什么值得关注的论文 ?
如何看待 AlphaFold 在蛋白质结构预测领域的成功?
如何评价微软正在开发的人工智能编程软件 DeepCoder?
深度学习应用在哪些领域让你觉得「我去,这也能行!」?
为什么现在不看好 CV 方向了呢?
深度学习领域,你心目中 idea 最惊艳的论文是哪篇?
如何看待MXNet在CVPR2017上公布的gluon接口?
CVPR 2015 有什么值得关注的亮点?
注意力机制是如何学习到模型所应注意的区域的?
如何评价Hinton在加拿大多伦多大学关于用“capsule”作为下一代CNN的演讲?
如何计算CNN中batch normalization的计算复杂度(FLOPs)?
如何系统学习机器学习?
推荐算法岗是否存在严重人才过剩?
mxnet的并行计算为什么这么牛,是什么原理?
如何把梯度传递过Argmax?
如何评价最新的Octave Convolution?
如何理解空洞卷积(dilated convolution)?
如果有第谷的数据,现在的机器学习,深度学习有办法学出开普勒三定律吗?
服务条款
联系我们
关于我们
隐私政策
© 2024-05-14 - tinynew.org. All Rights Reserved.
© 2024-05-14 - tinynew.org. 保留所有权利