我开始研究神经网络在重建/恢复/……通信信号方面的能力。
我正在为我的神经网络提供一个信号,该信号的某些部分由于通过通信系统的传输而损坏,而我的目标是由这些区域未损坏的信号给出的。
问题是受损区域仅代表整个信号的一小部分,我的神经网络花费大量时间仅从实际上不存在任何问题的部分进行学习。
是否有任何解决方案可以使神经网络跳转到那些与目标有显着差异的区域?有什么我可以做的,例如初始化我的神经网络(按照惯例,它们是随机初始化的)?还是我应该接受我需要训练更长的时间?
我开始研究神经网络在重建/恢复/……通信信号方面的能力。
我正在为我的神经网络提供一个信号,该信号的某些部分由于通过通信系统的传输而损坏,而我的目标是由这些区域未损坏的信号给出的。
问题是受损区域仅代表整个信号的一小部分,我的神经网络花费大量时间仅从实际上不存在任何问题的部分进行学习。
是否有任何解决方案可以使神经网络跳转到那些与目标有显着差异的区域?有什么我可以做的,例如初始化我的神经网络(按照惯例,它们是随机初始化的)?还是我应该接受我需要训练更长的时间?
因此,您希望通过提供完美的信号作为输出来消除信号中的“噪声”(损坏的信号)。这个模型被称为“去噪自动编码器”。如果你有足够的训练数据,噪声对神经网络来说根本不是问题,如果你真的觉得网络在捕捉噪声,那么你必须增加训练 epochs,否则有时它可能是一个糟糕的初始化网络.