Поиск курса/статьи на тему "Обучение нейронных сетей"
Диплом требует реализации нейронной сети для классификации изображений. В интернете есть несколько примеров реализации таких сетей, но все из них загружают данные MNIST или CSAR-10.
Суть вопроса: есть ли статья или курс в которой рассмотрена и показана реализация обучение нейросети на своих данных? Желательно чтобы информация была доступной для понимания.
Также, если у кого-нибудь есть желание и возможность объяснить реализацию обучения нейросети на своих данных, то я буду очень рад данной возможности и, в свою очередь, обещаю, что надоедать или наглеть не буду.
Спасибо!
Ответы (2 шт):
Если вы хоть что-то читали по нейросетям конкретно и по машинному обучению более глобально, то несомненно уже знаете, что большинство задач распадается на две составляющие (этапа).
Этап 1. На вход алгоритма обучения подается некоторый заранее размеченный, по возможности - как можно бОльший (обучающий) набор данных, на котором и происходит процесс обучения - т.е. построение конкретного классификатора (то-ли в виде функции, то-ли в виде алгоритма, то-ли в виде искусственной нейронной сети)
Этап 2. Используя построенный на первом этапе классификатор решается задача классификации для новых данных, не встречающихся в обучающем наборе.
Таким образом построение нейросети на MNIST или CSAR-10 отличается от построения нейросети на "своих данных" только тем, что это "свои данные" надо иметь. Размеченные и побольше. Дальше действуете абсолютно аналогично, в точном соответствии с приведенной выше двухэтапной схемой.
Правда - остается вопрос, какой класс классификаторов выбрать. Или какую разновидность нейросети - если вы уже определились, что именно эту разновидность классификаторов хотите использовать. Но тут уже действуют на основе знаний, опыта и интуиции, основываясь на понимании того, в каких прикладных областях и для каких типов входных данный какой из классификаторов обычно показывает лучшие результаты (строит более точные модели). Тут уже "общих правил" нет - только эксперимент и анализ.
Надеюсь, что эта информация "доступна для понимания".