Soy súper nuevo en redes neuronales y aprendizaje automático en general, así que tened paciencia conmigo. Supongo que mi pregunta es "¿Qué capacidad tienen las redes neuronales?". He trabajado con el ejemplo de entrenar una red para predecir si una imagen de 8x8 es un "4" o un "3". Actualmente, estoy introduciendo cada valor en mi red neuronal:
[
1,0,0,1,0,0,0,0,
1,0,0,1,0,0,0,0,
1,0,0,1,0,0,0,0,
1,1,1,1,1,1,0,0,
0,0,0,1,0,0,0,0,
0,0,0,1,0,0,0,0,
0,0,0,0,0,0,0,0,
0,0,0,0,0,0,0,0
],
Es un poco difícil de ver, pero hay un "4" ahí. He entrenado con éxito mi red neuronal para reconocer los 4 frente a los 3 con bastante eficacia. Pero ahora estoy trabajando con algunos datos de aceleración para predecir diferentes movimientos.
He leído que una capa oculta múltiple permite emular funciones no lineales. Pero no recuerdo lo suficiente sobre álgebra lineal (por no hablar de álgebra no lineal) para que eso tenga mucho sentido para mí. Pero entonces empecé a oír hablar de la selección de características y, básicamente, de la creación de estadísticas resumidas sobre mis datos para utilizarlas como entradas en lugar de valores brutos. Entiendo la necesidad de hacer eso cuando se entra en conjuntos de datos más grandes donde se tendría una matriz de 80x80 en lugar de una de 8x8. Pero, ¿hay alguna razón para hacer la selección de características en conjuntos de datos más pequeños con el fin de dar a la red más información sobre los datos? ¿O la red es capaz de tener en cuenta básicamente todos los matices de los datos?