Para usar métodos de aprendizaje automático, probablemente necesite muestras etiquetadas. Si los tiene, puede probar algo como esto: está buscando estas áreas bajo-alto-bajo con anchos variables. Parece que puede intentar obtener estos fenómenos filtrándolos con filtros de tipo sombrero mexicano (wavelet de sombrero mexicano), pero necesitaría aprender su ancho y amplitud (dos parámetros). Además, usaría una combinación de varios filtros porque tiene varios anchos y no solo uno.
Entonces, crearía un sistema que recibe la señal como entrada, la pasa (en paralelo) a través de varias circunvoluciones paramétricas con tales sombreros mexicanos y emite una señal. Se espera que la señal sea casi cero en todas partes, excepto en las áreas en las que detecta el pico. Esto se compara con sus muestras etiquetadas (una curva de salida para el verdadero resultado). Escriba la función de costo como la diferencia entre ellos y luego optimice para todos los parámetros de los filtros.
Por supuesto, si tiene muchos datos, también puede intentar aprender los filtros de forma paramétrica, es decir, aprender los filtros en sí y no solo dos parámetros por filtro.
- ¿Es posible crear sistemas de recomendación combinando datos de Twitter / Facebook y datos de preferencia del cliente? Si es así, ¿con qué herramientas?
- Aprendizaje automático: Alex Casalboni: ¿Cuál es la mejor herramienta de ML para desenfocar caras (los tres tipos de visión izquierda, derecha y frontal) y placas en las imágenes?
- ¿Qué versión de Python debería usar en 2016 en Machine Learning y Data Science, Python 2.7 o Python 3.0+?
- ¿Se pueden describir las redes adversas generativas como un método de entrenamiento en el que se aprende la función de pérdida en lugar de seleccionarse manualmente?
- ¿Cómo deberíamos comenzar con los conceptos básicos del aprendizaje automático para construir un sistema de recomendación utilizando Python?
