Neural network 如何用小数据集训练神经网络，或者如何在没有人为干预的情况下生成大数据集？_Neural Network_Robotics_Recurrent Neural Network

Neural network 如何用小数据集训练神经网络，或者如何在没有人为干预的情况下生成大数据集？

neural-network

Neural network 如何用小数据集训练神经网络，或者如何在没有人为干预的情况下生成大数据集？,neural-network,robotics,recurrent-neural-network,Neural Network,Robotics,Recurrent Neural Network,我正在尝试通过使用RNN训练机器人的具体动作，如抓取或指向。该机器人由一只手臂和一个头部组成，头部装有摄像头。此外，工作空间将是一张小桌子，以便可以定位手臂和对象。递归神经网络的输入是来自摄像机的每个时间步长的图像帧，输出是机器人手臂下一帧的目标电机角度。当当前图像帧馈送到网络时，网络输出下一帧的arm电机值。当手臂到达下一个位置时，该位置的输入帧再次进入网络，它再次产生下一个电机输出然而，在制作训练数据时，我必须为工作空间上的所有位置制作（图像、电机角度）对的所有数据。尽管网络本身可以

我正在尝试通过使用RNN训练机器人的具体动作，如抓取或指向。该机器人由一只手臂和一个头部组成，头部装有摄像头。此外，工作空间将是一张小桌子，以便可以定位手臂和对象。递归神经网络的输入是来自摄像机的每个时间步长的图像帧，输出是机器人手臂下一帧的目标电机角度。当当前图像帧馈送到网络时，网络输出下一帧的arm电机值。当手臂到达下一个位置时，该位置的输入帧再次进入网络，它再次产生下一个电机输出

然而，在制作训练数据时，我必须为工作空间上的所有位置制作（图像、电机角度）对的所有数据。尽管网络本身可以做一些泛化工作，但所需的数据仍然太多，而且由于轨迹太多，需要花费大量时间

概括一下我的问题，获取网络训练数据的时间太多了。有没有什么方法可以用小数据集训练网络？还是在相对较小的人工干预范围内创建大型数据集

我搜索了更多的论文，找到了一些与主题相关的。我问题的主要主题是

找到一种在小数据集的情况下有效地训练网络的方法

找到一种方法，用很少的人力制作巨大的数据集

有几份报纸，其中两份对我帮助很大。这是链接

你的问题非常广泛，肯定不只是研究领域。这个问题在这个平台上无法回答，但是，我建议您在gitHub上查看，特别是数据分析部分

与您的问题相关的更具体的资源是