Привет, оракулы,
В настоящее время я работаю с проблемой машинного обучения для моего магистерского проекта, и, поскольку я не студент информатики, у меня есть несколько вопросов о том, как Я должен подойти к этой проблеме.
Цель состоит в том, чтобы использовать спутниковые измерения, такие как уровень поверхности моря, температуру и / или скорости океанских течений, для обнаружения крупномасштабных (> 10 км) океанских водоворотов (также известных как вихрь). Я создал метод извлечения большого количества данных, но я изо всех сил пытаюсь найти наиболее подходящий подход ANN.
Здесь - это изображение интерфейса, который я сейчас использую для выбора тренировочных данных. Как эксперт, я рисую прямоугольник вокруг циклон, который вращается вместе с часами в северном полушарии, или антициклон. Циклон также имеет более высокий уровень поверхности моря, отмеченный желтым центром на графике, в отличие от нижнего центра blui sh антициклона. Обучающие данные, которые я обозначил на рисунке, имеют оранжевую рамку для аннотированных как циклон, синие для антициклонов и чёрные ни для чего (водоворота нет).
Размер прямоугольников обучающих данных колеблется от (8,6) (долгота, широта) до (20,16) со средним размером (11,7). На данный момент я создал набор данных из примерно 500 выборок и использую небольшую сеть, которая используется для набора данных MNIST (28 * 28 рукописных данных), который после 30 эпох получил результаты, показанные в this
Может ли кто-нибудь1 дать мне небольшой рывок в правильном направлении относительно того, какую структуру сети мне следует использовать? Или может кто-нибудь1 помочь мне в отношении данных об обучении, сейчас я преобразовываю все данные об обучении в средний размер партии, правильно ли я это делаю? Напомним, что моей основной целью является создание алгоритма, который может определять циклон или антициклон по спутниковым измерениям.
Любая помощь очень ценится.