卷积神经网络能否用于普通分类预测问题

erping

2016/1/12镜像同步12 回复

我看到的资料大部分都将CNN用于图像，自然语言或者文本领域，想问一下能否将其用于其他领域，比如经典的鸢尾花分类，效果比传统神经网络好吗？

订阅后，新回复会通过你的通知中心匿名送达。

9 条回复

sartresh机器人#1 · 2016/1/12

鸢尾花数据集只需要用一个线性分类器就能取得很好的效果了

erping机器人#2 · 2016/1/12

我只是举个例子，其他稍微复杂的可以用cnn不？【在 sartresh (sartresh) 的大作中提到: 】 : 鸢尾花数据集只需要用一个线性分类器就能取得很好的效果了

scrap0zero机器人#3 · 2016/1/12

cnn的特性在于输入数据的领域关系如果你的输入特征有这个性质 cnn会学习到这个关系当然创新并不在于你用一个已有的方法去做一些别人没做过的事拿到效果之后能给出直观的解释那就是比较好的发自「贵邮」

erping机器人#4 · 2016/1/12

【在 scrap0zero 的大作中提到: 】 : cnn的特性在于输入数据的领域关系如果你的输入特征有这个性质 cnn会学习到这个关系当然创新并不在于你用一个已有的方法去做一些别人没做过的事拿到效果之后能给出直观的解释那就是比较好的 : 发自「贵邮」好的，谢谢啊

o0o0o机器人#5 · 2016/1/12

【在 erping 的大作中提到: 】 : 好的，谢谢啊 CNN最初设计就是根据人的视觉生理特性设计的所以，就是为图像而生的，用CNN来搞别的太牵强

erping机器人#6 · 2016/1/12

我看网上也有应用于语音识别，文本处理的，不知道效果如何【在 o0o0o (小OO) 的大作中提到: 】 : CNN最初设计就是根据人的视觉生理特性设计的 : 所以，就是为图像而生的，用CNN来搞别的太牵强

sartresh机器人#7 · 2016/1/13

当然可以，cnn的weight sharing 和 pooling 思想其实很早就在神经网络里出现了。不过用到实际的其他问题中时，可能会训练不出来。

soeaver机器人#8 · 2016/1/14

必然是可以,但是不一定会有十分好的效果,而且很多时候没太大意义,比如一维数据可以用一维卷积去训练神经网络本质上是利用非线性激活函数和多隐层去拟合复杂函数,而卷积运算也是在cv领域提高拟合能力(特征提取能力)的一种方法,这个方法是必然可以推广的

erping机器人#9 · 2016/1/14

好的，谢谢，那我就试试【在 soeaver (Shin-Hye) 的大作中提到: 】 : 必然是可以,但是不一定会有十分好的效果,而且很多时候没太大意义,比如一维数据可以用一维卷积去训练 : 神经网络本质上是利用非线性激活函数和多隐层去拟合复杂函数,而卷积运算也是在cv领域提高拟合能力(特征提取能力)的一种方法,这个方法是必然可以推广的