Esempio di rete neurale per classificare caratteristiche multidimensionali in due insiemi

Question

Sto cercando un buon esempio di codice sorgente di una rete neurale supervisionata che accetta più di due funzioni (a differenza di molti XY-esempi) ed i dati classifica i in due set. Da quello che ho letto, una Support Vector Machine (SVM) potrebbe essere una soluzione?

Tutti gli esempi di classificazione che ho trovato sono bidimensionali. Qui ci sono alcuni:

• strato singolo peceptron
• SVM (Support Vector Machine) in CSharp
• SVM.NET -. Davvero bello, ma ancora di input bidimensionale

Sto cercando di distinguere eventi rari da un certo numero di ingressi che sono normalmente stabili. Caratteristiche sono coppie chiave-valore in cui il valore di solito può discretizzati come un piccolo numero. dati di allenamento disponibili per la prima categoria è enorme, ma solo con alcuni gruppi di formazione per la seconda categoria, se questo fa la differenza.

Esempio Training Set

categoria A

[2, 1, 0, 1, 4, 3] -> A  
[1, 1, 2, 3, 3, 0] -> A
[0, 0, 1, 3, 2, 0] -> A

Categoria B

[0, 4, 4, 4, 4, 3] -> B

Classifying Esempio

[1, 3, 4, 4, 4, 0] -> ??? (probably B)

Un voto di fiducia, per esempio. "85% certo di B", sarebbe utile per distinguere una soglia per un evento raro.

E 'una rete neurale la soluzione migliore e ci sono tutte le librerie .NET con questo in built-?

Answer 1

In realtà, tutte queste tecniche di apprendimento automatico hanno i loro pro e contro. In con NN (singolo strato percettrone), è necessario considerare se si dispone di dati di allenamento abbastanza. Tecnicamente parlando, è necessario essere in grado di coprire tutte le celle all'interno delle dimensioni per avere un buon risultato.

SVM d'altra parte, cerca di trovare un confine che separa i punti dati, quindi se avete lacune nei settori che non sono vicino a questo confine, va bene.

Ci sono 5-6 classificatori intorno +/- d'amplificazione e ad essere onesti, sembra che la maggior parte del tipo di tempo del classificatore è scelto soggettivamente. D'altra parte, alcune persone utilizzano più classificatori e confrontare il risultato.

Con OpenCV, è così facile da pluggin un classificatore di diverso e quindi si è sulla strada giusta per esso. Ho usato OpenCV in C ++ con classificatori NN per il mio progetto e il risultato è stato molto buono:

http://www.springerlink.com/content/j0615767m36m0614/