如何用小数据集训练神经网络或如何在没有人为干预的情况下制作大数据集？
How to train the neural network with small dataset or how to make huge dataset without human intervention?
我正在尝试使用 RNN 训练机器人进行特定动作，例如抓取或指向。
该机器人由一只手臂和一个装有摄像头的头部组成。工作区也将是小 table，以便可以定位手臂和物体。
循环神经网络的输入将是来自相机的每个时间步的图像帧，输出将是机器人手臂下一帧的目标电机角度。
当当前图像帧被馈送到网络时，网络输出下一帧的 arm 电机值。当手臂到达下一个位置时，该位置的输入帧再次进入网络，并再次产生下一个电机输出。
但是，在制作训练数据时，我必须为工作区上的所有位置制作（图像，电机角度）对的所有数据。尽管网络本身可以做一些泛化工作，但所需的数据仍然太多，而且由于轨迹太多，需要花费大量时间。
归纳一下我遇到的问题，获取网络训练数据的时间太多了。有什么方法可以用小数据集训练网络吗？或者在相对较小的人工干预下制作庞大的数据集？
我搜索了更多论文，发现了一些与该主题相关的论文。我的问题的主题是
- 找到用小数据集有效训练网络的方法
- 想办法用很少的人力来制作庞大的数据集
有一些论文，其中两篇对我帮助很大。这是link.
Explanation-Based Neural Network Learning for Robot Control
Supersizing Self-supervision: Learning to Grasp from 50K Tries and 700 Robot Hours
你的问题很广泛，肯定不只是研究领域。这个问题在这个平台上无法回答，但是，我建议你在gitHub上查看这个compilation of Machine Learning Resources，特别是数据分析部分。
与您的问题相关的更具体的资源是 DeepNeuralClassifier。
我正在尝试使用 RNN 训练机器人进行特定动作，例如抓取或指向。 该机器人由一只手臂和一个装有摄像头的头部组成。工作区也将是小 table，以便可以定位手臂和物体。 循环神经网络的输入将是来自相机的每个时间步的图像帧，输出将是机器人手臂下一帧的目标电机角度。 当当前图像帧被馈送到网络时，网络输出下一帧的 arm 电机值。当手臂到达下一个位置时，该位置的输入帧再次进入网络，并再次产生下一个电机输出。
但是，在制作训练数据时，我必须为工作区上的所有位置制作（图像，电机角度）对的所有数据。尽管网络本身可以做一些泛化工作，但所需的数据仍然太多，而且由于轨迹太多，需要花费大量时间。
归纳一下我遇到的问题，获取网络训练数据的时间太多了。有什么方法可以用小数据集训练网络吗？或者在相对较小的人工干预下制作庞大的数据集？
我搜索了更多论文，发现了一些与该主题相关的论文。我的问题的主题是
- 找到用小数据集有效训练网络的方法
- 想办法用很少的人力来制作庞大的数据集
有一些论文，其中两篇对我帮助很大。这是link.
Explanation-Based Neural Network Learning for Robot Control
Supersizing Self-supervision: Learning to Grasp from 50K Tries and 700 Robot Hours
你的问题很广泛，肯定不只是研究领域。这个问题在这个平台上无法回答，但是，我建议你在gitHub上查看这个compilation of Machine Learning Resources，特别是数据分析部分。
与您的问题相关的更具体的资源是 DeepNeuralClassifier。