标签：知识 深度学习 利用 sim lstm 卷积神经网络 特征提取 量化 tin
我之前就注意到，深度学习和音乐结合，尤其是从乐理出发进行结合（而不是纯粹的进行音乐生成），是一个尚未被深度挖掘的全新领域。可想而知，这个方向符合我要求的数据肯定是要自己搜集了。
自己搜集的数据，在量上就已经输了，只是考虑到我们要做的任务并不复杂，准确的说只是一个分类器，再加一个LSTM而已。对于这个分类器，甚至不需要用卷积神经网络，可以使用一些其他的网络；而LSTM的样本本来就蕴含了很明确的规律，变化并不是很大。
那么我们就要开始思考，除了一些常规的训练方法，还有什么训练适合小样本数据吗？
1、数据扩增技术，例如图片的亮度改变、加噪声、翻转、随机裁切、缩放等制造出大量样本。
2、有人使用游戏来训练，例如使用GTA里面的场景来学习自动驾驶，当然这不属于严格的小样本。
3、使用生成模型，例如GAN来生成大量接近真实的样本来训练。苹果的第一篇AI论文simGAN就是这么做的。
4、经典的特征提取算法，再使用SVM等浅层网络来训练，需要的数据量就没有那么多。
来源：知乎
5，贝叶斯规划学习（Bayesian Program Learning，BPL）
6，利用先验知识。
标签：知识 深度学习 利用 sim lstm 卷积神经网络 特征提取 量化 tin
原文地址：http://www.cnblogs.com/ldzhangyx/p/7131406.html
