Las arquitecturas de red neuronal generalmente dependen del problema.
Por lo tanto, es difícil recomendar un tipo de arquitectura que se aplique a cada tipo de clasificación o regresión de etiquetas múltiples (o de hecho cualquier tipo de). Tendrá que experimentar con diferentes arquitecturas, ya que es una especie de hiperparámetro.
Comience con 1 arquitectura de capa de entrada-1 oculta-1 salida. Mire las métricas que está utilizando para evaluar su modelo y agregue más capas ocultas cuando sea necesario. No es necesario quedarse, deberá ajustar otros hiperparámetros, como la intensidad de la regularización, el número de neuronas en las capas, etc.
- Cómo obtener pasantías extranjeras en aprendizaje automático o IA
- ¿Cuál es la diferencia entre el aprendizaje supervisado y el aprendizaje de refuerzo inverso?
- ¿Qué podría ser un buen proyecto para hacer que combine inteligencia artificial y química y física teórica / computacional?
- Quiero investigar para un laboratorio de IA del calibre de Deep Mind o Google Brain. ¿Estoy condenado si no entro en un programa de doctorado mejor clasificado?
- ¿A qué distancia estamos de $ 2- $ 5 k bricolaje de redes neuronales tipo AI que pueden resolver problemas complejos?
Por lo general, sin embargo, una capa softmax como capa de salida, cuyas neuronas son iguales en número al número de etiquetas, al final parece ser una opción bastante popular en muchos tipos de modelos de clasificación.