Применение машинного обучения к данным 2D лазерного сканера

Задан 6 лет назад Изменен сегодня Просмотров: 137

2 $\begingroup$ Мы используем 2D лазерный сканер для сканирования различных объектов разной геометрической формы, например, цилиндр, шипованный, цилиндр с выемкой, цилиндр с изогнутыми краями и т. д. Набор данных содержит точки в формате [x, y], при этом размерность одного полного сканирования составляет 160x2. Цель — использовать эти точки сканирования для классификации различных форм. Я использовал многослойную нейронную сеть с сигмоидой в качестве последнего слоя и оптимизатор Adadelta для этой задачи, но точность достигает только 70%. Может ли кто-нибудь порекомендовать подходящую модель, которую можно использовать для классификации данных лазерного сканера? МОДЕЛЬ
def baseline_model():
model = Sequential()
model.add(Dense(2048, input_dim=160, activation='relu'))
model.add(Dropout(0.1))
model.add(Dense(1024, activation='relu'))
model.add(Dropout(0.1))
model.add(Dense(512, activation='relu'))
model.add(Dropout(0.2))
model.add(Dense(256, activation='relu'))
model.add(Dropout(0.3))
model.add(Dense(128, activation='relu'))
model.add(Dropout(0.4))
model.add(Dense(64, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(32, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(6, activation='softmax'))
Adam = optimizers.Adam(lr=0.001)
Adadelta = optimizers.Adadelta(lr = 1)
model.compile(loss='categorical_crossentropy', optimizer=Adadelta, metrics=['accuracy'])
neural-networks keras multilayer-perceptrons Поделиться Улучшить этот вопрос Следовать спрошен 6 декабря 2019 г. в 23:18 u 21 1 1 бронзовый значок $\endgroup$ 1 $\begingroup$ Вы можете преобразовать эту задачу в обнаружение формы на изображении, где вы, вероятно, можете использовать сверточные сети с несколькими слоями для решения проблемы. Вы введете много новых переменных, но решить так будет проще. $\endgroup$ Harsh Sinha – Harsh Sinha 2019-12-08 20:06:23 +00:00 Прокомментировано 8 декабря 2019 г. в 20:06 Добавить комментарий | 1 Ответ 1 Сортировка по: Сбросить к значению по умолчанию Наибольший балл (по умолчанию) Дата изменения (сначала новые) Дата создания (сначала старые) 0 $\begingroup$ Согласно этой статье https://www.researchgate.net/publication/321816644_Deep_learning_for_2D_scan_matching_and_loop_closure 2x-скан проходит через следующие слои Поделиться Улучшить этот ответ Следовать Отвечен 12 апреля 2023 г. в 7:42 brianlmerritt 101 2 2 бронзовый значок $\endgroup$ 2 $\begingroup$ Ваш ответ можно улучшить с помощью дополнительной подтверждающей информации. Пожалуйста, отредактируйте, чтобы добавить дальнейшие детали, такие как ссылки или документация, чтобы другие могли подтвердить правильность вашего ответа. Вы можете найти больше информации о том, как писать хорошие ответы, в центре помощи. $\endgroup$ Сообщество – Community Bot 2023-04-12 15:32:23 +00:00 Прокомментировано 12 апреля 2023 г. в 15:32 1 $\begingroup$ Я в замешательстве — ссылка на researchgate и есть цитата $\endgroup$ brianlmerritt – brianlmerritt 2023-04-16 11:09:00 +00:00 Прокомментировано 16 апреля 2023 г. в 11:09 Добавить комментарий | Вы должны войти в систему, чтобы ответить на этот вопрос. Начните задавать вопросы, чтобы получить ответы. Найдите ответ на свой вопрос, задав его. Задать вопрос Изучите связанные вопросы neural-networks keras multilayer-perceptrons Посмотрите похожие вопросы с этими тегами.

2 $\begingroup$ Мы используем 2D лазерный сканер для сканирования различных объектов разной геометрической формы, например, цилиндр, шипованный, цилиндр с выемкой, цилиндр с изогнутыми краями и т. д. Набор данных содержит точки в формате [x, y], при этом размерность одного полного сканирования составляет 160x2. Цель — использовать эти точки сканирования для классификации различных форм. Я использовал многослойную нейронную сеть с сигмоидой в качестве последнего слоя и оптимизатор Adadelta для этой задачи, но точность достигает только 70%. Может ли кто-нибудь порекомендовать подходящую модель, которую можно использовать для классификации данных лазерного сканера? МОДЕЛЬ
def baseline_model():
model = Sequential()
model.add(Dense(2048, input_dim=160, activation='relu'))
model.add(Dropout(0.1))
model.add(Dense(1024, activation='relu'))
model.add(Dropout(0.1))
model.add(Dense(512, activation='relu'))
model.add(Dropout(0.2))