neural-network

    0

    1答えて

    私はMATLABを使用してニューラルネットワークを訓練しており、今後テストするために保存する必要があります。 これを行う方法については、適切な構文が必要です。私は、訓練されたネットワークを簡単に保存できるグラフィカルツールボックスについて認識していますが、残念ながら、提供されているオプションが十分ではないため、独自のネットワークを作成してトレーニングする必要があります。 訓練されたネットワークを保

    0

    1答えて

    人の声で録音された音符を認識するためのプログラムを作っています。ニューラルネットワークを使っています。私のネットワークの人間の声で良い音符のサンプルを見つけることができますか? ...私は他の楽器のための何千ものパターンを見つけましたが、人間の声のためのものはありません

    1

    1答えて

    私は、ハイドライドトレーニング方法でANFISモデルを実装しています。私は1つの出力にマップする13の入力を持っています。私は自分のシステムに関してルールを作りました。私はデータを訓練するとき、私は以下のエラーが表示されます。私は間違っているつもりです場所について Number of output MF's is not equal to number of rules 任意の手がかり? Fuzz

    3

    1答えて

    つまり、nnet(...)を実行すると、サイズパラメータを使用して隠れたレイヤーのユニット数を制御できます。私の特定のモデルは確率を出力する必要があるので、ロジスティックユニットが必要なので、nnetパッケージからmultinomに変えて、予測関数に出力タイプ= 'probs'を出力しました。サイズ引数をどうやって渡すことができますか? formal argument "size" matched

    2

    2答えて

    JOCLを使用して、JavaでOpenCLでバックプロップ学習を行うフィードフォワードマルチレイヤパーセプトロンの実装に問題があります。 #pragma OPENCL EXTENSION cl_khr_fp64 : enable __kernel void Neuron(__global const double *inputPatterns, __global d

    1

    2答えて

    NN4 < - エルマン(norm_traindata4、trsignals、サイズ= 10、initFuncparams = iniweight、LINOUT = FALSE、maxit回= 1000、 learnFunfParams = 0.01、inputsTest = norm_testdata4、targetsTest = tesignals) は(NN4、norm_testdata4)

    1

    3答えて

    OCRフォームの認識(データ抽出)について、さまざまな記事を見て、フォーム認識を行うためにニューラルネットワークを使用していると言いました。そのため、人工ニューラルネットワーク(ANN)とフォーム認識の関係は何ですか?ビジネスカードからフィールドを抽出する場合は、ANNを使用する必要がありますか、それともオプションですか?言い換えれば、いつANNを使用する必要がありますか?

    1

    2答えて

    ANNの初心者: 私は金の価格を予測するためにバックプロパゲーションニューラルネットワークを実装しています。データをトレーニングデータ、選択データ、テストデータに分割する必要があることはわかっています。 私はこれらのデータセットを使用することについてに行くために方法がわからないが。最初は私のトレーニングセットでデータネットワークを訓練していました。訓練を受けた後、テストセットからネットワークへの入

    0

    1答えて

    私はOpenCvのニューラルネットワークを使って視覚スタジオで顔認識を実装したいと思います。 Matlabでニューラルネットワークを実装するのは簡単ですが、私はVisual Studioで私の顔認識プロジェクトをほぼ補完しています。私はOpenCv MLPライブラリ関数を見てきましたが、それらの使い方を理解していません。

    2

    2答えて

    ナンシー初心者はこちら。私は、ニューラルネットワークへの入力を標準化(機能スケーリング、標準化ともいう)しようとしています。私は線形スケーリングを行うと、私が使用している式は: I = Imin + (Imax-Imin)*(D-Dmin)/(Dmax-Dmin) Iは、スケーリングされた入力値であり、値IminとImaxは、所望の最小及びスケーリングされた値の最大の範囲であり、Dは、元であります