Neural network Torch7中的支持向量机
我的模型基于以下教程： 在最后一个阶段，神经网络用于从CNN中提取的特征。我想在最后一层使用SVM。如何将其添加到现有模型中 在一些论文中已经表明，SVM作为CNN的最后一层似乎比神经网络的功能更好，因此我想尝试一下它们，以提高模型的准确性。支持向量机也可以用于神经网络所缺乏的一类分类。我最后需要一个一类分类器，因此需要在CNN中添加一个支持向量机 请帮忙编辑：自从你以来，我以前的回答完全是胡说八道。相反，您可以将SVM视为 在输出节点上线性激活并通过铰链损耗训练的一层神经网络 （见接受答案的评论。） 这意味着，在Torch中，您可以使用以下内容模拟（线性）SVMNeural network Torch7中的支持向量机,neural-network,svm,torch,Neural Network,Svm,Torch,我的模型基于以下教程： 在最后一个阶段，神经网络用于从CNN中提取的特征。我想在最后一层使用SVM。如何将其添加到现有模型中 在一些论文中已经表明，SVM作为CNN的最后一层似乎比神经网络的功能更好，因此我想尝试一下它们，以提高模型的准确性。支持向量机也可以用于神经网络所缺乏的一类分类。我最后需要一个一类分类器，因此需要在CNN中添加一个支持向量机 请帮忙编辑：自从你以来，我以前的回答完全是胡说八道。相反，您可以将SVM视为 在输出节点上线性激活并通过铰链损耗训练的一层神经网络 （见接受答案的
linearSVM = nn.Sequential()
linearSVM:add(nn.Linear(ninputs, 1))
criterion = nn.MarginCriterion()
请参见…中的以下问题，这不是官方答案，但您是否考虑过推出自己的SVM模块？你所需要做的就是编写自己的向前和向后消息函数。。。从概念上讲，最难的部分将是对响应函数进行派生…另外，我相信你看到了这一点，但谷歌集团有一个问题专门针对这个问题（有点）：请查看我的编辑-我可能刚刚取消了它的“可接受”资格，对不起！太多了！！我挖了一点，发现在CNN上添加SVM的一种方法是使其完全独立于CNN。像平常一样训练CNN，一旦训练完成，用从CNN中提取的特征在训练集上训练SVM。这避免了“手动”更新权重和计算梯度的例行程序。但是这仍然留下了一个关于一类SVM的问题没有得到回答，因为我仍然需要为CNN收集一些负面的例子。另一种方法肯定是你建议的，但它确实似乎有点太复杂了，我无法处理！我打算尝试扩展我的代码示例，以完全定义
linearSVM