La pregunta es vaga, “¿Se puede entrenar la imagen usando la función de activación?”.
Una red neuronal (NN) es una combinación de sus pesos y su función de activación, ambos son igualmente importantes para definir, entrenar y probar un modelo.
¿Es la pregunta sobre qué tipos de datos se pueden usar para entrenar a un NN? ¿O se trata de la función de activación más utilizada en la aplicación de visión por computadora con NN? o ¿se pueden generar imágenes usando NNs?
- ¿Qué métricas debo usar para evaluar un modelo generativo cuantitativamente y qué tan confiables son?
- ¿Cuáles son los temas sobre big data para hacer una tesis de maestría que excluye el aprendizaje automático?
- ¿Cuál es la diferencia entre análisis de datos, análisis de datos, minería de datos, ciencia de datos, aprendizaje automático y Big Data?
- ¿Cuál es la diferencia entre regresión, clasificación y agrupamiento en el aprendizaje automático?
- Cómo usar SVM para clasificar imágenes normales y anormales si se conocen las características
Bueno, cada pregunta anterior tiene una respuesta diferente.
¿Qué tipos de datos se pueden usar para las NN?
Dependiendo de cómo represente sus datos, los NN pueden aprender imágenes, texto, idioma y cualquier dominio con relevancia contextual en los datos.
¿La función de activación más utilizada para imágenes (visión artificial)?
Las personas usan ReLU, sin embargo, la aplicación puede funcionar mejor con otras como sigmoide, PReLU o tanh o alguna función cuadrática.
¿Se generarán imágenes usando NNs?
Puedes mirar las GAN, pueden generar imágenes y siguen siendo un hueso duro de roer / entrenar.