search

hsinhuibiga / Machine-Learning

0 stars 0 forks source link

CNN vs. RNN #1

Open hsinhuibiga opened 4 years ago

hsinhuibiga commented 4 years ago 
在精簡深度學習的方式上 : 卷積類神經 (CNN) 採用像素遠近，而遞歸類神經 (RNN) 採用著則是時間遠近
那麼，既然有著類似的設計精神，兩者是否有可能互換應用呢?
hsinhuibiga commented 4 years ago 
選擇迴歸資料集(右) - 交錯六群，在其他參數保持預設值的情況下，只允許調整隱藏層層數與神經元數量，且遵守下列限制

        隱藏層神經元總數最多 8 個 (即 : 可以單層 8 個，或兩層 5 個與 3 個)
        遞迴次數只允許跑到500次

在上述限制下，挑戰看看測試誤差 (Test Loss) 最低能到多少? 請回答你的神經元參數與 Test Loss 數
hsinhuibiga commented 4 years ago 
選擇分類資料集(右下)-螺旋雙臂 - 交錯六群，限定特徵只能使用前兩個，隱藏層 2 層滿 (共 8 * 2 =16 個神經元)，
遞迴次數只允許跑到500次，但可以自由調整 批次大小、學習速率、啟動函數、正規化選項與參數
在上述限制下，挑戰看看測試誤差 (Test Loss) 最低能到多少? 請回答你的上述幾項參數與 Test Loss 數
hsinhuibiga commented 4 years ago

請閱讀以下文獻，理解 CNN 原理後回答問題

卷積神經網路原理 - 中文

CNN for beginner’s guide

若使用總共 128 個濾波器 (filters)，對一張 256x256 的影像做完卷積後，共會得到幾張特徵圖 (feature maps)？
卷積神經網路中，濾波器的大小 (3x3 or 5x5) 與內部數字的值 (value) 是怎麼決定的呢？

128個 feature maps

要細分的特徵象素