Neural network 神经网络与激活函数的选择
Neural network 神经网络与激活函数的选择,neural-network,deep-learning,conv-neural-network,Neural Network,Deep Learning,Conv Neural Network,我是神经网络领域的新手。抱歉,如果这个问题非常业余的话
我希望建立一个神经网络模型来预测我将要在社交媒体平台上发布的特定图像是否会获得一定的参与率
我有大约120张关于参与率的历史数据图像。可获得以下信息:
尺寸为501像素x 501像素的图像
图像类型(外部照片/内部照片)
发布图像的日期(星期日/星期一/星期二/星期三/星期四/星期五/星期六)
发布图像的时间(18:33、10:13、19:36等)
看过该帖子的人数(1565935754525312等)
参与率(5.22%、3.12%、2.
我是神经网络领域的新手。抱歉,如果这个问题非常业余的话
我希望建立一个神经网络模型来预测我将要在社交媒体平台上发布的特定图像是否会获得一定的参与率
我有大约120张关于参与率的历史数据图像。可获得以下信息:
尺寸为501像素x 501像素的图像
图像类型(外部照片/内部照片)
发布图像的日期(星期日/星期一/星期二/星期三/星期四/星期五/星期六)
发布图像的时间(18:33、10:13、19:36等)
看过该帖子的人数(1565935754525312等)
参与率(5.22%、3.12%、2.63%等)
我希望该模型能够预测某张图片在特定日期和时间发布时的参与率是否为3%或更高
正如您可能已经注意到的,输入数据是图像、文本(表示什么类型或日期)、时间和数字
你能帮我理解如何为这个问题建立一个神经网络吗
附言:我对这个领域很陌生。如果你能详细说明我应该如何解决这个问题,那就太好了。神经网络有三种神经元层:
输入层。它存储该网络将接收的输入。神经元的数量必须等于你的输入数量李>
隐藏层。它使用来自前一层的输入,并进行必要的计算以获得结果,然后传递到输出层。更复杂的问题可能需要多个隐藏层。据我所知,没有一种算法可以确定这一层神经元的数量,所以我认为你是根据反复试验和以往的经验来确定这个数量的李>
输出层。它从隐藏层获取结果,并将其提供给用户供其个人使用。输出层的神经元数量等于您拥有的输出数量
根据您在这里写的内容,您的培训数据库有6个输入和一个输出(参与率)。这意味着您的人工神经网络(ANN)将在输入层上有6个神经元,在输出层上有一个神经元
我不确定你是否能把图像作为输入传递给神经网络。另外,因为理论上有无限类型的图像,我认为你应该对它们进行分类,每个类别都有一个数字。分类的一个例子是:
- 与狗有关的图像属于第1类李>
- 医院的图像属于第2类,等等
因此,您的输入将如下所示:
图像类别(狗=1,医院=2等)李>
图像类型(外部照片=1,内部照片=2)李>
投寄日期(星期日=1,星期一=2等)李>
张贴图像的时间李>
看到该职位的人数李>
订婚率
隐藏层的数量和每个隐藏层中每个神经元的数量取决于问题的复杂性。有120张图片,我认为一个隐藏层和这个层上的10个神经元就足够了
ANN将有一个隐藏层(参与率)
一旦创建了包含120张图片信息的数据库(称为训练数据库),下一步就是使用该数据库训练ANN。然而,这里有一些讨论
训练神经网络意味着通过使用优化算法计算隐藏神经元的某些参数,从而使误差平方和最小。训练过程具有一定的随机性。为了将随机性因素的影响降至最低,并获得尽可能精确的估计,您的培训数据库必须具有:
数据一致李>
许多记录李>
我不知道你的数据有多一致,但根据我的经验,一个包含一致数据的小型训练数据库胜过一个包含不一致数据的大型数据库
根据问题判断,我认为您应该使用用于ANN处理的软件提供的默认激活功能
一旦您对数据库进行了培训,就应该看看培训的效率有多高了。您用于ANN的软件应为您提供评估工具,这些工具应记录在案。如果您对培训感到满意,您可以开始使用它。如果不是,你可以重新训练ANN或使用更大的数据库。如果你有两个完全不同的图像(比如一只狗和一家医院),而所有其他输入都相同,你如何预测参与率?@BogdanDoicin本项目的目的之一是了解我的观众更喜欢哪种图像。这是同样的观众谁看到狗的形象以及医院的形象。在历史数据中,如果狗形象的参与率(喜欢和评论的数量/达到的人数)高于医院形象,那么可以推断,相对于医院形象,观众更喜欢狗形象,不是吗?这不是我的意思,但我希望我的回答能帮到你。