Tensorflowを使用して、特定の出力に特定の入力をマップするニューラルネットワークを作成することは可能ですか？

Question

私は現在Tensorflowで遊んでいますが、問題に役立つかどうかを保持できないようですか？

出力への入力をマッピングできるニューラルネットワークを作成する必要があります。

物事が今の進行である方法は、これが行われた単一の例を持っていません。あらゆる種類の問題Tensorflowが解決していると思われるものは分類タスクであり、この種のマッピングの問題ではありません... Tensorflowはそうすることができますか？ 、そうするために別のニューラルネットワークフレームワークを使用する必要がありますか？そして、それが利用可能な場合、誰かがいくつかのコードを表示できます（Mnistの例ではありません）

私の仕事：

現在、オーディオファイルのサンプルを取り入れ、サンプルからMFCC機能を生成するニューラルネットワークを作成しようとしています。 MFCC機能は手動で計算できますが、私が行ったことがあるので、出力が何であるかを知っています。 MFCC機能は機能ベクトルが異なる実際の値番号です。クラスAまたはクラスBに分類することはできません。または、出力を所定の「ビン」に適合させるため、出力の精度を大幅に減らすことはできません。

Answer 1

あなたの説明から、あなたは 回帰 問題は、出力を特定の値にする必要があるためです。これはとは異なります 分類 問題は、特定のクラスに属する入力の確率を出力します。

回帰のためにニューラルネットワークを使用するための鍵は、出力層にアクティベーションがないこと、つまり線形層である必要があることです。 @janvandervegtが指摘したように、回帰問題の一般的な損失関数は、現在の出力と計算したMFCC機能の間の平均二乗誤差（MSE）です。

「Tensorflow Regressionの例」をグーグルで検索すると、何十もの完全な例を見つけることができます。 これ また これ.

Answer 2

あなたが提案することは確かに可能です、あなたはただ持っているでしょう n 出力層のノード、 n MFCC機能ベクトルのサイズであるため、現在作成している間違いを決定する損失関数を定義する必要があります。すべての機能が同様のスケールで同様の重要性を持っている場合、平均四角エラーを使用できますが、ここでは創造的になることができます。原則として、これは、最後にソフトマックス層を使用したマルチクラス分類とそれほど違いはありません。その場合、あなたは持っています c ソフトマックス層とエントロピー損失関数の後の出力ノード、あなたの場合はあなたが持っています n MSE損失関数を備えた完全に接続されたレイヤーの後、出力層のノード。多くの例を与えてください。データが適切に表されている場合は、合理的なタスクを実行する必要があります。これが計算可能である場合、なぜMLアプローチを使用したいのか不確かですが、正確性が失われ、どれだけの速度が勝つかは不確かです。

Tensorflowが回帰タスクに使用され、分類タスクではなく勾配降下による線形回帰である非常に簡単な例では、こちらをご覧ください。 https://github.com/aymericdamien/tensorflow-examples/blob/master/notebooks/2_basicmodels/linear_regression.ipynb