मैं ईईजी डेटा के विश्लेषण के साथ काम करता हूं, जिसे अंततः वर्गीकृत करने की आवश्यकता होगी। हालांकि, रिकॉर्डिंग के लिए लेबल प्राप्त करना कुछ हद तक महंगा है, जिसने मुझे अप्रकाशित दृष्टिकोणों पर विचार करने के लिए प्रेरित किया है, ताकि हमारे काफी बड़ी मात्रा में अनलिस्टेड डेटा का बेहतर उपयोग किया जा सके।
यह स्वाभाविक रूप से स्टैक किए गए ऑटोएन्कोडर्स पर विचार करने की ओर जाता है, जो एक अच्छा विचार हो सकता है। हालांकि, यह संवेदी तंत्रिका नेटवर्क का उपयोग करने के लिए भी समझ में आता है, क्योंकि कुछ प्रकार के फ़िल्टरिंग आमतौर पर ईईजी के लिए एक बहुत ही उपयोगी दृष्टिकोण है, और यह संभावना है कि माना गया युगों का स्थानीय स्तर पर विश्लेषण किया जाना चाहिए, और एक पूरे के रूप में नहीं।
क्या दो तरीकों को मिलाने का एक अच्छा तरीका है? ऐसा लगता है कि जब लोग सीएनएन का उपयोग करते हैं, तो वे आम तौर पर पर्यवेक्षित प्रशिक्षण का उपयोग करते हैं, या क्या? मेरी समस्या के लिए तंत्रिका नेटवर्क की खोज करने के दो मुख्य लाभ अनुपयोगी पहलू हैं, और ठीक-ट्यूनिंग (यह जनसंख्या डेटा पर एक नेटवर्क बनाने के लिए दिलचस्प होगा, और फिर एक व्यक्ति के लिए ठीक धुन, उदाहरण के लिए)।
तो, किसी को पता है कि क्या मैं सिर्फ एक सीएनएन का दिखावा कर सकता हूं जैसे कि यह एक "अपंग" ऑटोकेनडर था, या क्या यह व्यर्थ होगा?
क्या मुझे उदाहरण के लिए, एक गहरी विश्वास नेटवर्क जैसी किसी अन्य वास्तुकला पर विचार करना चाहिए?