मैं मशीन सीखने की समस्या में काम कर रहा हूं और मैटलैब में तंत्रिका नेटवर्क आधारित क्लासिफायरों का निर्माण करना चाहता हूं। एक समस्या यह है कि डेटा सुविधाओं के रूप में दिया जाता है और नमूने की संख्या काफी कम है। मुझे चित्रों के घूर्णन, अनुवाद, एफ़िन अनुवाद आदि द्वारा छवियों के लिए डेटा वृद्धि तकनीकों के बारे में पता है।सामान्य डेटासेट के लिए डेटा वृद्धि तकनीकों?
मैं जानना चाहता हूं कि सामान्य डेटासेट के लिए डेटा वृद्धि तकनीक उपलब्ध है या नहीं? जैसा कि अधिक डेटा उत्पन्न करने के लिए यादृच्छिकता का उपयोग करना संभव है? मैंने जवाब here पढ़ा लेकिन मुझे समझ में नहीं आया।
कृपया यदि संभव हो तो कृपया कार्य के विवरण के साथ उत्तर दें।
किसी भी मदद की सराहना की जाएगी।
मैंने लेख पढ़ा। एक प्रश्न, ऑटो-एन्कोडर्स असुरक्षित हैं। हालांकि मुझे प्रशिक्षण चरण के दौरान लेबल तक पहुंच है। मान लीजिए मेरे पास 5 कक्षाएं हैं। क्या मुझे पांच अलग-अलग वर्गों के लिए उदाहरण उत्पन्न करने के लिए 5 अलग-अलग ऑटो-एन्कोडर्स को प्रशिक्षित करने की आवश्यकता है या एक पर्याप्त होगा? कृपया उत्तर दें। – roni
अगर हम ऑटो-एन्कोडर्स के लिए केवल एक ही परत का उपयोग करते हैं तो पुनर्निर्माण कितना अच्छा होगा? कृपया इस http://in.mathworks.com/help/nnet/ref/autoencoder.predict.html की जांच करें। पुनर्निर्मित छवियां बहुत खराब हैं - जो सवाल पूछती है कि यदि हमने अधिकतर परतों का उपयोग किया था, तो पुनर्निर्माण बेहतर होना चाहिए । – roni