representera data i ett neuralt nätverk?

tjena!

hr en fråga

hur representeras data i ett neuralt nätverk som är till för objektigenkänning?alltså vad är inputen?det kan ju inte vara självaste objektet eftersom noderna endast kan ta (-)1- 1 som input. säg att man har ett objekt på sin skärm, är det koordinationerna x och y som är inputen?har alltid undrat hur man omvandlar sin data så den kan stoppas in som input, inte bara vid objektigenkänning men utan även allmänt!

tack

Det är ofta det som är tricket; alltså hur man ska processa sin data och vad som ska användas som input.

Du måste välja egenskaper som är representativa för ditt applikationsområde. Låt säga att du ska klassificera blommor utifrån digitala bilder av dessa. Du skickar då inte in rena pixelvärlden utan information som beskriver blommans egenskaper. Information om storleken på kronbladen, avstånd mellan bladen och antal blad, skulle exempelvis vara lämplig information i detta fall. Det innebär alltså att du måste processa bilderna för att beräkna dessa egenskaper.

Hoppas det var svar på din fråga, eller åtminstone hjälper dig att komma igång.

Glömde visst svara på en sak. Ja, vanligtvis väljer man att ha input i området [-1,1] och skalar därför om sin data för att passa detta område innan man börjar träna sitt nätverk.

tack för hjälpen,mao är det svårare än jag trodde!

vet inte om jag förstod riktigt va du mena med "processa bilderna"?

har jag förstått rätt:

i ex med blomman så tar jag storleken på trex bladen alltså i pixlar, samma sak med avstånden å antal blad och sen "omvandlar" dessa pixelvärden till att ligga mellan [-1,1]?

Jag tror du förstått rätt. Problemet är alltså att gå från en bild till olika egenskaper med tillhörande värden. Man måste dels välja vilka egenskaper man skall ha och dels hitta ett bra sätt att extrahera värden för dessa egenskaper från bilden. Man kan ju inte mata in allting obearbetat, då skulle nätverket behöva ha väldigt många input-noder, t.ex. antalet pixlar gånger 3 (för 3 olika färger) och det skulle ta extremt lång tid att få svaret eftersom själva nätverket skulle bli väldigt komplext (eventuellt råkar man ut för minnesproblem först). Naturligtvis skulle man ju kunna modifiera nätverket genom att reducera antalet kopplingar mellan noderna, men då måste man ju komma på hur man ska göra det också. Dessutom så skulle ju en liknande figur på ett annat ställe i en bild aktivera helt andra input-noder.

Allt detta skrivet med reservationen att det var väldigt länge sedan jag hade med neurala nät att göra.

felpost...