Сеть глубокого обучения для классификации

Question

Я знаю, что это общий вопрос, но мне хотелось бы получить некоторую обратную связь. Итак, у меня есть задача классификации изображений, которую я пытаюсь решить с помощью нейронных сетей. У меня уже есть свои векторы. Существует 3 важных вектора признаков (точечные координаты в 2d-пространстве), каждый из которых может принадлежать трем классам. Эти классы не одинаковы среди этих трех функций. (например, можно «спуститься прямо» на другую «круглую квадратную треугольную»). Они объединены в общую задачу классификации в 6 классах выходов (не 27, поскольку это может означать количество комбинаций). Итак, в чем вопрос: Являются ли глубокие сети обучения/сверточные сети хорошим решением? Или вы предпочтете что-то еще? (Я только начал узнавать об этом и не могу догадаться, поэтому я был бы признателен за некоторые отзывы от более опытных пользователей)

Answer 1

Как я понял, ваша проблема не так сложна для глубокого обучения. Потому что у вас есть низкоразмерные функции и несколько классов. Глубокое обучение в основном связано с проблемами нелинейной и крупномасштабной классификации. Я предлагаю вам использовать классификатор AdaBoost или SVM для таких простых задач классификации. Matlab обладает отличными инструментами для вышеупомянутых методов.