問題タブ [encog]

Encog AI フレームワークが、時系列予測のための一般的なスライディング ウィドウ アプローチではなく、さまざまなタイプのセグメンテーション アルゴリズムをサポートしているかどうかを知りたいです。Eamonn Keogh 氏の調査によると、スライド式の窓は最悪です。

調査はこちらhttps://www.cs.rutgers.edu/~pazzani/Publications/survey.pdf

Encog が ts 予測用のさまざまなタイプの時系列セグメンテーションを既にサポートしているかどうか教えてください。

ありがとう

Encog Neural Net ワークベンチ (バージョン 3.2) を使用して黒点予測ルーチンを実行していて、将来の予測ウィンドウを 1 より大きい値に変更すると、sunspot_output.csvの結果が時間オフセットのように見えることに気付きました。t=0でネットワークが評価するのは、実際には(t+1)、(t+2)、(t+3)などではありません。ワークベンチが結果を表示する方法を理解していない可能性が非常に高いので、おそらく誰かがこれを明確にすることができます私のため。

私が理解しているように、30 の過去のウィンドウと 14 の将来のウィンドウを使用すると、ネットワークは最後の 30 レコードを見て、利用可能な最後のレコードから前方に予測します (この場合、1951年 11 月 1 日が最後のレコードであるとします)。入手可能な記録）。したがって、1951 年 11 月 1 日の評価では、30レコードを 1949 年 5 月 1 日までさかのぼり、この情報を使用してトレーニング済みネットワークをフィードし、1951 年 12 月 1 日 (t+1)、1952 年 1 月 1 日のデータを予測します。 (t+2)、2/1/1952 (t+3)など。ただし、結果ファイルを見ると、そうではないようです。「予測」は実際には、前の 14 レコードからのパターンの繰り返しであるように見えます。そのため、(t+1) は、 (t=0)から先の次のレコードよりも(t-14) 08/01/1950をより正確に表しています。これは 1951 年 12 月1日になります。

これを示す画像がありますが、残念ながら、まだ投稿するための評判ポイントがないようです。この問題を再現するには、Encog ワークベンチを使用し、過去のウィンドウを 30、将来のウィンドウを 14、トレーニング エラーを 1 または 2% に設定することをお勧めします。

要約する：

1. 予測ネットワークの結果を見て、特に 1 時間以上進んだ場合に、この問題に気付いた人はいますか?
2. ワークベンチの結果が、出力に関連付けられた日付を見ると、encog 予測ニューラル ネットワークが将来を適切に予測していないことを示しているのはなぜですか。

ご意見ありがとうございます。

Encog3 を使用して SOM をトレーニングしようとしています。encog-examples には、これを行う 2 つの例があります。1 つは、収束までのトレーニングにすべてのデータが使用される XOR SOM のトレーニングと、1000 回の反復ごとに 15 色のうち 1 つがランダムにサンプリングされる Color SOM のトレーニングです。私の質問は、2 番目のアプローチがそうであったかどうか、例が十分に短い時間で適切な結果で完了したかどうか、またはこれには理由があったかどうかです。各反復で 15 の入力色すべてを使用してトレーニングした場合、より良い結果が得られるでしょうか?

Jeff Heaton 氏が提供した基本的な例に従って、Encog ライブラリを使用してパターン認識の問題を解決しています。私はそのパターンを持っています

これは、出力 1 の理想的なパターンです (つまり、100% 同じということです)。次に、別のパターンを入力して、理想的なパターンにどれだけ似ているかを確認します。

このコードは、ネットワークの作成に使用されます

次に、ネットワークをトレーニングします

最後に、結果を出力します。

再び私の質問に戻ります：

別のパターンを入力して、それが私のものに似ているかどうかを確認するにはどうすればよいですか?

私を解決に導く可能性のあるアイデアは大歓迎です。ありがとう

私は、OCR を実行するために NN の使用法を理解するために取り組んでいます。私の目標は、通常の OCR アルゴリズムとは少し異なります。

私の目的は、特定の入力が特定の文字であるかどうかを判断できるようにすることです。たとえば、ユーザーから文字「A」を取得することを期待しており、別の形状になっていないことを確認する必要があります。

与えられた入力が適切な形状であるかどうかを判断できる必要があります。

私が読んでいることから、ここにはいくつかのオプションがあります.MLP、SOMネットワーク、逆伝播ネットワークです。

私が理解したところでは、ネットワークをトレーニングするために形状 (文字) ごとにサンプルを作成する予定なので、SOM ネットワークを定義する必要があるということでよろしいですか?

どちらの方向が好ましいかわかりません。正しい方向に私を向けることができれば、それは素晴らしいことです。

Encog フレームワークを使用する予定ですが、それが重要かどうかはわかりません。

私は、約 50 の要因に応じて決定を下す逆伝播ニューラル ネットワーク (Encog ライブラリを使用) を構築しています。最適な設計について支援が必要です。答えを出すには、50 個の入力ニューロンが必要であり、出力として 4 個のニューロンが必要です ( 4桁) しかし、隠れ層のニューロンの数についてはよくわかりません。最適な数は何ですか? また、セグモイド活性化関数を使用した逆伝播がこの種の状況に最適かどうかも尋ねたいと思います。よろしくお願いします。

だから私は Encog に不慣れで、Mr.Heaton の C# での Encog の紹介に従い、試してみました。私の簡単な演習は、年齢に応じて人の「狂気レベル」を予測するネットワークを開発することであり、トレーニング セットを提供しました。しかし、私はこの問題に直面しています：

「入力レイヤー サイズ 6 は、トレーニング入力サイズ 1 と一致する必要があります。」

どこかで大きな間違いを犯していると確信しています。これが私の簡単なコードです。

実際、Mr.Heaton のチュートリアルで説明されているのと同じコードです。助けてください、ありがとう！

Encog Neural Network を使用して、以前の例に基づいて年間の販売数を予測するシステムを開発しようとしましたが、開発方法がよくわかりませんでした。実際には非常に簡単です：

x 軸 (年) =>

2000,2001,2002,2003,2004

y軸（販売数）=>

それぞれ30,25,45,60,55

では、2005 年の売り上げを予測するために質問が与えられた場合、これをニューラル ネットワークにどのように実装すればよいでしょうか? サンプルコードはありますか？