pattern-recognition

-1熱度

1回答

我試圖在EC2實例上創建交換內存，因爲RAM利用率相當高。根據建議做臨時存儲，我試圖找出哪個掛載點是臨時存儲？這是我的實例fstab的項目：現在我需要知道哪一個是臨時存儲，這樣我可以用它來交換。如果這些不是短暫的，那我該如何得到它？

0熱度

1回答

我希望能夠自動將輸入散點圖分類爲有限的預定義的一組二維散點圖（請參閱附加圖像），例如圓，十字，直線和彎曲線 - 例如即給定任何新的散點圖作爲輸入，系統可以通過查找最接近的類別匹配來對其進行正確分類。理想情況下，分類過程也應該是規模，平移和旋轉不變。任何人都可以提出一個合適的技術來訓練和分類這種二維圖案嗎？

1熱度

2回答

使用Keras Python測試神經網絡

我已經訓練並測試了一個前饋神經網絡，它使用Python中的Keras和數據集。但每次，爲了識別帶有外部數據的新測試集（外部因爲數據未包含在數據集內），我必須重新訓練前饋神經網絡來計算測試集。比如每次我必須做的： model.fit (data, output_data) prediction=model.predict_classes(new_test) print "Prediction :

0熱度

1回答

算法幫助需要！ [概率，分佈，序列分析]

我對預測算法有這樣的想法，該預測算法基於來自被選集合中的項目的先前出現的序列的準確度來預測隨機值，並分析該模式以提高準確度。所以基本上一個接受兩個參數的算法，一個是一組可能的選擇;另一個是這些數字的歷史，分析該模式並預測序列中的下一個數字。這對其他人有意義嗎？如果是這樣，那麼您將如何編寫這樣的算法？你會說什麼語言？目標是重疊樣本集中的模式識別，找到相關性並建立一個方程來預測某種程度的準確

1熱度

2回答

從圖像上的數據庫中搜索對象

假設我有數千個具有不同形式和尺寸（小於100×100px）的圖像的數據庫，並且保證每個圖像只顯示一個對象 - 符號，標誌，道路標誌，等等。我希望能夠從互聯網上獲取任何圖像（「my_image.jpg」），並從我的數據庫中回答「Do my_image包含任何對象（對象可以調整大小，但沒有變形）的問題嗎？」 - 讓我們說95％的可靠性。簡化my_images將有白色背景。我試圖使用imagehash

0熱度

2回答

機器學習算法，說哪些列車數據導致當前的決定

我需要一個學習模型，當我們測試它與數據樣本它說哪些列車數據導致答案。有什麼這樣做嗎？（我已經知道了KNN會這麼做）感謝

0熱度

2回答

confusionMatrix in R

我正在學習模式識別，所以我製作了兩類數據並使用我的模型進行分隔。我的數據只能假設兩個值，true和false。用於繪製我的結果我使用了confusionMatrix，當我解釋結果時會發生疑問。可confusionMatrix給我一個錯誤的準確性？例如：我有10個itens，5個true和5個false，我的分類器預測8個正確和2個錯誤，所以錯誤1應該是true，並且被分類爲false，其他

0熱度

1回答

[R尋找模式

結構如下考慮一個數據庫： <Age> <Gender> <Field1> <Field2> <Field3> <Field4> <Field#> 其中的每一行，一些領域可能爲零，另一些則不會，代表的時間從個體量使用這樣的字段 - 可以爲每一行使用多個字段。例如，考慮DB的存在： 10 M 10 0 5 0 1 5 M 7 1 6 0 2 10 M 6 1 4 1 0 .... 所以

-1熱度

1回答

模式識別

我的應用場景類似於前一個Pattern recognition in time series 通過處理時間序列數據集，我想檢測類似於這樣的模式：使用採樣的時間序列作爲一個例子，我想能夠檢測模式如下標註：但我想Python和LSTM做到這一點。我已閱讀了關於RNN時間序列和詞類分類的一些資料。我知道RNN如何預測時間序列的結果，但我很困惑如何在時間序列中找到模式。我在網上搜索了很長時間。但沒

0熱度

1回答

使用基於CNN的人臉檢測器檢測臉部圖案

我有一個基於CNN的物體檢測器在WIDER Face數據集上進行了訓練。它可以成功檢測給定圖像中的人臉。現在，我試圖在雲，房屋等中檢測抽象的面孔和簡約的臉型，但沒有成功。最初，我認爲基於神經網絡的物體檢測器會以某種方式推廣，並且我可以降低檢測閾值來檢測這種模式，但是這種方案並不奏效。除了收集和標註這樣的訓練樣例（面部樣式）來解決這個問題之外，還有其他方法嗎？