2

我是 PyBrain 的初学者（对 ANN 来说相当新），所以为了熟悉 PyBrain 的使用，我尝试过训练 sin 函数。我的输出没有什么意义 --- 对于每个数据点，我得到一个 0、-0 或某个固定实数的输出（在下面的示例中，我得到一个实数）。这向我表明我没有正确训练。

我一直在尝试通过 SupervisedDataSet(1,1) 创建具有一个输入和一个输出的数据集并使用 BackPropTrainer() 进行训练来进行训练。我已经广泛阅读了 PyBrain 文档，它相当稀疏，示例也不是很好。我的输入是（0,1000）范围内的整数，而我的输出/目标只是该整数乘以某个常数的正数（因此它的计算值在零和 2pi 之间）。代码如下：

def add_samples():

    ds = SupervisedDataSet(1,1)

    for j in  range(0,1000):
            ds.addSample(j,math.sin((j*math.pi)/500))

    print ds
    return ds

def FeedForward():
    n= FeedForwardNetwork()

    #construct input, hiddent, and output Layers
    inLayer=LinearLayer(1)
    hiddenLayer = SigmoidLayer(3)
    outLayer=LinearLayer(1)


    # add layers to the network
    n.addInputModule(inLayer)
    n.addModule(hiddenLayer)
    n.addOutputModule(outLayer)

    # make the connections between the layers
    in_to_hidden = FullConnection(inLayer, hiddenLayer)
    hidden_to_out = FullConnection(hiddenLayer, outLayer)

    # explicitly adding the connections to the network
    n.addConnection(in_to_hidden)
    n.addConnection(hidden_to_out)

    # some internal organization
    n.sortModules()
    print n
    return n
def backprop():
    n=FeedForward()
    ds=add_samples()

    trainer = BackpropTrainer(n, ds)
    trainer.trainOnDataset(ds,100)
    trainer.testOnData(verbose=True)



def main():
    backprop()

if __name__ == '__main__':
    main()

我的输出如下所示：

  error:  0.00084029
  out:     [0.016 ]
  correct: [-0.019]
  error:  0.00060250
  out:     [0.016 ]
  correct: [-0.013]
  error:  0.00040415
  out:     [0.016 ]
  correct: [-0.006]
  error:  0.00024526

所有 1000 个输出评估为 0.016。有没有人有任何建议或可以指出一个很好的例子？我一直在转圈圈。我想我错过了一些微不足道的东西，或者我错过了 ANN 或机器学习的一些基本概念。如果我提供更多信息，请告诉我是否有帮助。谢谢！

4

0 回答 0