artificial-intelligence - リカレント ニューラル ネットワークのトレーニング セットとテスト セット

Question

GA によって最適化された rNN を構築しています。これはたまたまこの分野での私の最初のプロジェクトなので、特定のことに混乱しました。誰かがそれらをよりよく理解するのを手伝ってくれたら、それは素晴らしいことです.

まず第一に、トレーニングとテストのデータ セットは、ANN と rNN ではまったく異なって見えます。たとえば、時系列を予測している場合、n 個の観測値のセットがあります。どうすれば使用できますか？つまり、n 個の入力ニューロンが必要なのか、それとも 1 個の入力ニューロンが必要なのか? エラーを計算するにはどうすればよいですか? 世代ごとですか、それとも k 世代ごとですか? k にわたって平均化する必要がありますか (つまり、適合度関数は k 世代にわたる平均二乗誤差になります)。

n 世代後にサンプルの最後に到達した場合、何回も複製する必要がありますか? このような場合、テスト セットとして同じサンプルを使用するか、別のサンプルを使用するかを教えてください。

たくさんの質問があることは承知していますが、少なくともいくつかの質問で誰かが私を助けてくれたらありがたいです.

Answer 1

時系列を予測しようとしていると言うときは、一連のデータがあり、次の値を予測しようとしていることを意味すると思います。この場合、予測のベースとなるデータは一度に 1 つしかないため、必要な入力ノードは 1 つだけです (私の仮定が間違っていて、実際に 1 つの分類に基づいて作成しようとしている場合)。時系列全体から離れている場合は、n 個の入力ノードが必要になります)。

遺伝的アルゴリズムの意味で「世代」という用語を使用している場合、世代ごとに母集団のすべてのメンバーの適合度を評価する必要があるため、世代ごとに計算エラーを回避する方法は実際にはわかりません。次の世代を生み出すために。ただし、特定の世代数の後にサンプルの終わりに到達することについて話しているため、実際には、時系列の連続するポイントでニューラル ネットワークを実行することについて話しているように聞こえます。時系列の各ポイントでのエラーを考慮した、ある種のエラー メトリックが必要なようです。最も簡単な方法は、おそらく、行ったときにそれらを合計することです。

これまでの問題に対する私の理解が正しければ、基本的には、時系列データ全体を実行し、エラーを追跡することにより、母集団の各候補ニューラル ネットワークの適合性を評価しています。全体がフィットネス関数であるため、各世代の候補構造ごとに実行する必要があります。したがって、このサンプルはトレーニング セットとして解釈できます。成功をより一般的に評価するには、別の時系列をテスト セットとして使用する必要があります。

それが役立つことを願っています! あなたの質問を誤解した場合、またはその一部が不明な場合はお知らせください。

Answer 2

ANN の作品は次のように説明しています。

入力データ (X1、X2、...) がボックスに移動し、選択した w で計算すると、ボックスは出力をクラスとして表示します。この場合、バイナリ データしかありませんが、2、3、... などの別のデータを設定する場合は、次の式を使用して出力範囲を 0 から 1 に設定する必要があります。

重み (w0、w1、…、wk) を初期化し、ANN の出力がトレーニング例のクラス ラベルと一致するように重みを調整します。

上記の目的関数を最小化する重み wi を見つけます

そのため、多くのデータに ANN を使用できます。

たとえば、データの結果は次のようになります (% で表示)。