前言
这个主要是比较DNN 与 传统SVM 对于稀疏数据的区分/认识能力。 目前正在准备研究DNN对于稀疏数据的分类效果。 论文的启发在于 这里
一些研究上的想法
关键词:DNN, Sparse_data, SVM,
目前的想法是用80张Training samples (正负各40), 作为输出, 用一些比较经典的DNN网络先过一遍
“例:这是Positive图像/有1”
“例:这是Negtive图像/无1”
获得模型后在经过100-1000张test集去看看准确率如何。
这个主要是比较DNN 与 传统SVM 对于稀疏数据的区分/认识能力。 目前正在准备研究DNN对于稀疏数据的分类效果。 论文的启发在于 这里
关键词:DNN, Sparse_data, SVM,
目前的想法是用80张Training samples (正负各40), 作为输出, 用一些比较经典的DNN网络先过一遍
“例:这是Positive图像/有1”
“例:这是Negtive图像/无1”
获得模型后在经过100-1000张test集去看看准确率如何。