Las redes neuronales o todos los métodos de aprendizaje automático para ese asunto solo son buenos para tratar datos estructurados.
Si los datos realmente no tienen ninguna estructura, ¿qué estás tratando de aprender? Desestructurado implica impredecible!
Supongo que lo que realmente quiere es combinar flujos de datos que estén en diferentes formatos pero que se unan, por ejemplo, una imagen de resonancia magnética y un grupo sanguíneo, niveles de colesterol, etc.
- Si se crea una IA fuerte, ¿por qué debería servirnos?
- ¿Por qué no podemos entender la función cerebral como entendemos la IA de la computadora?
- ¿Cómo funciona la capa de clasificación softmax de una red neuronal?
- ¿Cuál es la importancia de la Tercera Ley de Robótica?
- ¿Cuál es un posible escenario en el que Google podría convertirse en Skynet?
La Figura 2 del siguiente documento muestra una forma de lograr esto. Observe que el papel concatena mapas de activación de una imagen y un vector de parámetros (theta) después de una capa completamente conectada.
https: //pdfs.semanticscholar.org…
Una alternativa, que es particularmente adecuada si tiene alguna información temporal (por ejemplo, si hay series de tiempo, la presión arterial de una persona registrada semanalmente durante los últimos N meses), es usar la Figura 4 de lo siguiente:
http://www.cv-foundation.org/ope…
Para escuchar más de mi diatriba sobre el uso incorrecto de estructurado versus no estructurado:
La respuesta de Zeeshan Zia a ¿Por qué el aprendizaje profundo solo funciona bien en datos no estructurados?
