我有一个数据框,其中包含我想用于训练神经网络的数百万个粒子的坐标。这些粒子构成了已经被识别和标记的单个簇。意味着已经将每个粒子都分配给了它的正确簇(这个分配是通过密度估计来完成的,但出于我的目的,它并不重要)。 现在的挑战是建立一个网络,在从海量数据中学习后进行聚类。数据框中还有一些其他功能,例如簇大小,簇中的粒子数量等。
因为这不是分类问题,但更多地是对集群的识别挑战,我应该使用哪种神经网络?我在构建此网络时也遇到了问题:例如,一个cnn将小麦分类为图片中的狗或猫,输出显然是二进制的。因此最后一层也仅由两个表示概率为1或0的输出组成。但是,当我要识别聚类时如何实现最后一层呢?
在研究过程中,我听说了自组织地图。这些网络能胜任吗?
谢谢