@Rektalizer

Как использовать CNN, если один из каналов — входные данные, а другой — выходные?

Допустим, у меня есть датасет. Входные данные состоят из двух массивов, один из которых определяет орошаемые полигоны. Другой имеет ту же структуру, но называется "препятствия" и описывает полигоны, которые не являются зоной орошения, но влияют на расположение дождевателей.

Наконец, выходные данные представляют собой массив дождевателей с их выходными координатами. Задачей, соответственно является скормить датасет нейронке, чтобы она нашла взаимосвязи между расположением полигонов и количеством/расположением дождевателей, чтобы в дальнейшем предсказывать расположение дождевателей на любых других полигонах.

Поскольку эти данные нельзя представить в виде массива или графа (в них может быть любое количество полигонов и любое количество дождевателей, что делает их очень неэффективными после предварительной обработки данных), я думаю об использовании сверточных нейронных сетей, но немного нетривиальным способом. Я хочу представить данные в каналах (слоях) CNN, где первый канал будет содержать только данные об орошаемых полигонах, второй - о препятствиях, а третий, соответственно, о дождевателях. Мои вопросы таковы:

1) Возможно ли это вообще? Я новичок в нейронных сетях, и мне интересно, стоит ли использовать CNN для чего-либо, кроме работы с изображениями? Если не CNN, то что бы вы использовали здесь?

2) Если да, то возможно ли впоследствии, когда модель будет обучена, предсказывать только данные выходного канала с дождевателями, подавая только данные входных каналов (полигонов орошения и препятствий) для создания предсказания?

Я пытался сделать эту нейронную сеть, используя графы и простой подход ANN через пэддинг, нормализацию и флэттенинг. Однако, в результате количество параметров стало слишком большим, поскольку некоторые полигоны можно описать 8 числами (4 точками), а некоторые гораздо сложнее. Количество как полигонов, так и дождевателей также может сильно различаться, что делает данные очень неоднородными и не едиными в своём представлении.
  • Вопрос задан
  • 86 просмотров
Пригласить эксперта
Ответы на вопрос 1
@GrKon
Если я правильно понял задачу, то для начала для решения использовал бы автоэнконер или u-net (в общем сети генерации изображений). На вход подаем каналы с известными данными (рельеф, препятствия, сегментированные площади орошения) - выход обучать схеме расположения дождевателей. Для обучения необходимы пары - изображения без дождевателей, и с дождевателями (или слой только с дождевателями). Понятно, что проще обучить на получение слоя только с дождевателями.
Ответ написан
Ваш ответ на вопрос

Войдите, чтобы написать ответ

Похожие вопросы