algorithm - 特征向量表示神经网络

标签 algorithm machine-learning neural-network feature-extraction

目标:使用神经网络进行数字识别

描述:图像被标准化为8 x 13像素。对于每一行,黑色像素由 1 表示,每个白色像素由 0 表示。因此,每个图像都由向量的向量表示,如下所示: enter image description here

问题:是否可以在神经网络中使用向量的向量?如果不是,应该如何表示图像?

  1. 将行合并为 1 向量?
  2. 将每一行转换为其十进制格式。示例:Row1: 11111000 = 248

最佳答案

简单地通过串联将它们组合成一个向量当然是可能的。事实上,您应该注意到,只要训练和分类之间保持一致,对数据的任意重新排序就不会改变结果。

至于你的第二种方法,我认为(我真的不确定)你可能会丢失一些信息。

关于algorithm - 特征向量表示神经网络,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/27227450/

相关文章:

matlab - 使用 Matlab : train() function output is not consistent with MSE error 进行神经网络训练

neural-network - 为什么在验证和测试期间禁用 dropout?

algorithm - 方法的复杂性

machine-learning - 交叉熵和对数损失误差有什么区别?

machine-learning - 多变量推荐系统

python - 在 Pytorch 中创建自定义连接/非全连接层

c++ - 成对生成列表

c++ - 为什么当我们使用等于 '=' 登录比较器功能时,C++ 的内置排序功能不起作用?

javascript - 如何从与每个数组有关系的对象数组中删除对象?

python - 我如何知道我的预测分类的标签?