MATLAB中的神经网络输入偏差

[poster]

在Matlab（神经网络工具箱+图像处理工具箱）中，我编写了一个脚本来从图像中提取特征并构造“特征向量”。我的问题是某些功能比其他功能拥有更多的数据。我不希望这些功能比其他数据较少的功能具有更大的意义。

例如，我可能有一个由9个元素组成的特征向量：

hProjection = [12,45,19,10]; vProjection = [3,16,90,19]; area = 346; featureVector = [hProjection，vProjection，area];

如果我构建一个以featureVector作为输入的神经网络，则该区域仅占输入数据的10％，并且重要性不高。

我正在使用带有tansig传递函数的前馈反向传播网络（模式识别网络）。

我该如何处理？


回答：
当您将输入数据呈现给网络时，要素矢量的每一列本身都会作为属性提供给输入层。您唯一需要担心的偏差是每个尺寸的比例（即：我们通常将特征规格化为[0,1]范围）。

同样，如果您认为这些功能是相关的/相关的，则可能需要执行某种属性选择技术。在您的情况下，这取决于hProj / vProj功能的含义...


编辑：
在我看来，作为特征选择的替代方法，您可以使用降维技术（PCA / SVD，因子分析，ICA等）。例如， 因子分析可用于提取hProj / vProj所依赖的一组潜在隐藏变量。因此，除了这8个功能之外，您还可以获得2个功能，使得原来的8个功能是新的两个功能的线性组合（加上一些误差项）。请参阅此页面以获取完整示例



更多&回答...