“不是什么”神经网络的分类

数据挖掘 机器学习 神经网络 美国有线电视新闻网
2021-09-22 16:31:32

这是关于神经网络的一个非常基本的问题。

您如何对“不是某物”进行分类?

示例:假设您必须通过将某个模拟与实际场景进行比较来确定其准确性(在这种情况下,比较模拟和实际的星系图像)。理论上,我可以制作一个 CNN 并将这些图像分类为“星系”和“非星系”。但是我需要为“非星系”使用什么样的图像?我只有真实星系的图像。

1个回答

您的问题类似于“一类分类”的学习任务,也称为异常检测。本质上,你有一组图像都属于一个类(星系),你想要一个模型来告诉你一个新图像是否是一个星系,而不提供任何反例来训练。

您应该尝试一种最近开发的方法,称为深度支持向量数据描述。在这种方法中,神经网络学习转换,将输入映射到潜在空间中的小超球面中包含的点。然后,落在超球面内的例子可以被认为是“星系”,而在超球面之外的例子可以被认为是“非星系”。

您可以在此处阅读更多相关信息(非常技术性),或者尝试在此处使用作者的 PyTorch 实现。