我的卷积网络是用来分类数据模式的。我把2D矩阵输入CNN,得到相关的模式类(如果有的话)。我的分类器识别出4种模式。你知道吗
数据:
每个数据样本都是某个序列图中的快照。这个想法的灵感来自this paper。数据样本是二维数据带,窄矩阵。你知道吗
问题:
CNN对模式进行高精度分类。 然而,有一些模式非常类似于4个类中的一个,但是这些模式不属于任何类。你知道吗
可以选择使用细粒度模型或将阈值提高到可能的最高值。但是,这些选项并不能显著提高模型的精度。类似的模式在很大程度上仍然是有效的。我用更多的数据扩展矩阵来扩充数据,但效果不太好。肉眼可以看到相似模式和有效模式之间的区别。CNN似乎看不到肉眼可见的细微差别。你知道吗
为了让模型看到这些差异,您有什么建议?你知道吗
谢谢! 这些是最后一层。其余部分由转换层和poooling层组成
model.add(Dense(output_classes,
kernel_regularizer=regularizers.l2(regularization),
kernel_initializer=kernel_initializer,
bias_regularizer=regularizers.l2(regularization)))
model.add(BatchNormalization())
model.add(Activation('softmax'))
adam = optimizers.Adam(lr=0.001,
beta_1=0.9,
beta_2=0.999,
epsilon=1e-08,
decay=0.0)
print('Compiling the model...')
model.compile(optimizer=adam,
loss='categorical_crossentropy', metrics=['accuracy'])
model.summary()
目前没有回答
相关问题 更多 >
编程相关推荐