問題タブ [pybrain]

シーケンスの次の値を予測するために、(pybrain) python で再帰型ニューラル ネットワークの実用的な例を教えてもらえますか? (私は pybrain のドキュメントを読みましたが、明確な例はないと思います。) また、この質問も見つかりました。しかし、より一般的なケースでそれがどのように機能するかはわかりません。したがって、リカレント ニューラル ネットワークを使用して、pybrain のシーケンスの次の値を予測する方法の明確な例を誰かがここで解決できるかどうかを尋ねています。

例を挙げると。

たとえば、[1,7] の範囲の数列があるとします。

たとえば、新しいシーケンスの開始が与えられた場合: 1 3 5 7 2 4 6 7 1 3

次の値は何ですか

この質問は怠惰に思えるかもしれませんが、pybrain でこれを行う方法の適切で適切な例が不足していると思います。

さらに：複数の機能が存在する場合、これを行うにはどうすればよいですか：

例：

たとえば、[1,7] の範囲に複数のシーケンス (各シーケンスに 2 つの特徴がある) があるとします。

たとえば、新しいシーケンスの開始が与えられます。

次の値は何ですか

これらの例に似ていて、詳細な説明がある限り、独自の例を自由に使用してください。

フィードフォワードネットワークで回帰問題を解決する必要があり、PyBrain を使用してそれを実行しようとしています。pybrain のリファレンスには回帰の例がないため、代わりに回帰の分類例を適応させようとしましたが、成功しませんでした (分類例はここにあります: http://pybrain.org/docs/tutorial/fnn.html）。以下は私のコードです：

この最初の関数は、numpy 配列形式のデータを pybrain SupervisedDataset に変換します。pybrain のリファレンスによると、問題が回帰である場合に使用するデータセットであるため、SupervisedDataset を使用します。パラメーターは、特徴ベクトル (データ) とその期待される出力 (値) を含む配列です。

次に、回帰を実行する関数です。train_data と train_values はトレーニング特徴ベクトルとその期待される出力、test_data と test_values はテスト特徴ベクトルとその期待される出力です。

res を出力すると、すべての値が 0 になります。ネットワークを構築するためのショートカットとして buildNetwork 関数を使用しようとしましたが、うまくいきませんでした。また、隠れ層でさまざまな種類のレイヤーとさまざまな数のノードを試しましたが、うまくいきませんでした。

誰かが私が間違っていることを知っていますか? また、いくつかの pybrain 回帰の例が本当に役に立ちます! 私が見たときは何も見つかりませんでした。

前もって感謝します

pybrainを使ってNoyronネットワークを構築しているのですが、アウトクラスをそのままLinear LayerではなくSigmoidに変更したいです。

これは私が作成したネットワークです。

これは私がやろうとしていることです(しかし機能していません):

一連の 15 の入力 (信号の統計的内訳) から非常にノイズの多い信号を予測する単純なリカレント ニューラル ネットワークを構築しました。

pybrain ソース (pybrain\supervised\trainers\backprop.py) でわかることから、エラー関数は_calcDerivs、2 乗エラーの合計を合計ターゲット (MSE) で割った値として関数にハードコーディングされています。除算はtrain関数内で発生します。

私の場合、ネットワークが信号の変化の方向を正確な変化量で予測することが最も重要です。そのため、NN が下を予測したときに信号が上に移動したり、その逆の場合は、NN にペナルティを課したいと考えています。現在のターゲットだけでなく、ターゲットが方向を正しく推測したかどうかに基づいて重みを計算するために使用する以前のターゲットと出力も渡すことを実験してきました_calcDerivsが、ネットワークは rprop とバックプロップ。このすべてが私にとって非常にハックです。

私の質問は次のとおりです。デフォルトのパフォーマンス関数を変更する最良の方法はありますか? パフォーマンス関数コードはすべて保持されていますか、_calcDerivsそれとも何か不足していますか?

このコードを使用して、シーケンスの最終的な数を予測しようとしています。

問題は、ニューラル ネットワークが常に浮動小数点数を予測することです。

サンプルの種類を修正する方法はありますか? 整数、ブール値、および文字列でテストしたい。

ありがとうございました

Pybrain を使用して単純なニューラル ネットワークをトレーニングしようとしています。トレーニング後、nn が意図したとおりに機能していることを確認したいので、トレーニングに使用したのと同じデータをアクティブにします。ただし、すべてのアクティベーションは同じ結果を出力します。ニューラル ネットワークに関する基本的な概念を誤解していますか、それとも設計によるものですか?

隠しノードの数、hiddenclass タイプ、バイアス、学習率、トレーニング エポックの数、勢いを変更しようとしましたが、役に立ちませんでした。

これは私のコードです...

これは結果の例です...ご覧のとおり、アクティベーション入力が異なっていても、出力は同じです。

(適切にトレーニングされた後) 特定の道路標識を識別し、標識の種類ごとに異なる出力を返すニューラル ネットワークを作成しようとしています。ネットワークのトレーニングを開始する前に、pybrain の Web サイトで、データセットが常に値の配列であり、各エントリに入力とターゲットが含まれていることに気付きました。NN 用に持っている画像は、グレースケールのピクセル データ (単純な数値の配列) に変換されています。データの各セットをトレーニングするには、ピクセルごとにターゲット値を追加する必要がありますか? もしそうなら、どうすればそれを行うことができますか？

優れたニューラル ネットワーク アルゴリズムである Pybrain を使い始めています。誰かがすでにそれに精通している場合、パッケージはマルチラベル分類も行うことができますか? インスタンスは出力/ターゲットとして複数のクラスを持つことができるため、マルチラベルはマルチクラス分類とは異なります。