首页
查找话题
首页
是不是并不是所有问题都适合用神经网络预测?
是不是并不是所有问题都适合用神经网络预测? 第1页
1
yukio-2 网友的相关建议:
小样本情况,无论是低维还是高维,不如SVM和贝叶斯模型
低维数据,大样本量,不如各种ensemble类算法
以上主要问题在于过拟合,传统机器学习算法大部分对过拟合都有比较合理的解决方案,而神经网络基本只靠heuristic。dropout虽然在Bayesian deep learning里面有不错的意义,但只依靠dropout来做inference实践上未免有点单薄
低维时序数据,小样本量,大部分情况下比不过HMM,ARIMA一类的,比如语音识别里至今CNN没有比HMM效果好多少
三维的图像数据,神经网络参数量太大,虽然有不少文章voxel based cnn,我目前还没有复现过效果比较好的模型
上面的三维数据,有一种做法是多视角赤极投影,然后用LSTM去学,然而实数空间不存在一个SO(3)群到S2群的连续映射,因为二者不同构,所以即使你做出实验效果,也有可能是某种过拟合的结果
神经网络容易受到对抗样本的攻击,攻击很容易,防御十分困难,目前为止的大部分防御措施都被指出存在漏洞
不规则数据,比如说graph signal或者point cloud,虽然有不少文章都尝试graph signal上做卷积,但是目前为止,应用在复杂数据集上效果欠佳,而且数学研究者的工作与CS研究者的工作还有着巨大的隔阂
有一些文章用神经网络做图像去噪,这类的文章,凡声称自己是“盲”去噪,不加任何正则项先验项的,有一大部分连自己到底想做到什么样的目标都说不清
是不是并不是所有问题都适合用神经网络预测? 的其他答案 点击这里
1
相关话题
基于深度学习的人工智能程序和传统程序的差别在哪里?
ICLR 2021 有什么值得关注的投稿?
在迁移学习中,只有fine-tune和基于实例的迁移可用在小样本上吗,还有其他的小样本迁移方法吗?
什么是机器学习?
2020年,多标签学习(multi-label)有了哪些新的进展?
为什么softmax很少会出现[0.5,0.5]?
用生成模型做数据增强data augmentation时,如何从合成数据中筛选出质量较好的样本?
机器学习门下,有哪些在工业界应用较多,前景较好的小方向?
在实际工程系统中,MPC太复杂,难以做到realtime。因此都利用数据,MPC对比RL还有优势么?
c4.5为什么使用信息增益比来选择特征?
前一个讨论
正负样本极不平衡的问题?
下一个讨论
怎样才能写出 Pythonic 的代码?
相关的话题
如何评价AlphaGo Zero?
如何理解MCMC中的细致平稳条件?
为什么在SGD中使用L1正则化很难获得稀疏性?
人工「神经网络」技术在信息处理上有何特点,工作原理是什么?
有没有必要把机器学习算法自己实现一遍?
人工智能和自动控制能在一起擦出什么样的火花?
我们目前的时代距离人工智能具有自我意识还有多远?
K-means聚类算法中的K如何确定?
BERT模型可以使用无监督的方法做文本相似度任务吗?
人工智能可以解决人类难题吗?
阿里的TDM树深度模型为什么很少有人用,是有哪些问题吗?
是不是并不是所有问题都适合用神经网络预测?
如何评价FAIR提出的ConvNeXt:CNN匹敌Swin Transformer?
如何看待Geoffrey Hinton的言论,深度学习要另起炉灶,彻底抛弃反向传播?
在推荐系统中,如何较好的采用深度学习方法获取用户长短期兴趣?
评价指标的样本中0值过多怎么办?
Yoshua Bengio为什么能跟Hinton、LeCun相提并论??
生成对抗网络的毕设怎么上手?
Yoshua Bengio为什么能跟Hinton、LeCun相提并论??
5-10年后,你觉得哪些科技会让我们“遗忘”现在的生活?
你见过最差的算法工程师能差到什么程度?
科研时,想到一个idea,其实现的结果一定要比前人的评估指标高才能发表吗?
把某人的 DNA 序列作为输入,正面照片作为输出,丢到深度神经网络里面学习,可行吗?
为什么现在有这么多人工智能无用论?
写深度学习代码是先写model还是dataset还是train呢,有个一般化的顺序吗?
机器全面代替人工劳动力的那一天,你能如何生存下去?
如何看待与评价 AAAI 2022 的录用结果?
实验室一块GPU都没有怎么做深度学习?
视觉算法的工业部署及落地方面的技术知识,怎么学?
为什么中文 NLP 数据集这么少?
服务条款
联系我们
关于我们
隐私政策
© 2025-05-05 - tinynew.org. All Rights Reserved.
© 2025-05-05 - tinynew.org. 保留所有权利