1

我使用 PyBrain 创建了一个简单的神经网络:

from pybrain.tools.shortcuts import buildNetwork
from pybrain.datasets import SupervisedDataSet
from pybrain.supervised.trainers import BackpropTrainer

    L_Z = [
    0b111111,
    0b000010,
    0b000100,
    0b001000,
    0b010000,
    0b111111
    ]

C_Z = [
    0b111111,
    0b100001,
    0b000110,
    0b000001,
    0b100001,
    0b111111
    ]

net = buildNetwork(6, 3, 1)


ds = SupervisedDataSet(6, 1)

ds.addSample(tuple(L_Z), (1,))
ds.addSample(tuple(C_Z), (0,))

trainer = BackpropTrainer(net, ds)
trainer.trainUntilConvergence()


print net.activate(L_Z)
print net.activate(C_Z)

但每次运行程序后显示不同的结果。我的网络应该学会找到英文“Z”字母和西里尔字母“З”字母。怎么了?

4

2 回答 2

2

你的方法根本不正确。具有 6 个输入的网络意味着每个输入都是一个浮点数,可以从 0 变为 1。PyBrain 不会告诉您何时给出的值太高或太低。例如,0b111111 实际上是 63。如果您想要每个检测单元的输入,则需要使用具有 36 个输入的网络。

L_Z = [
    1,1,1,1,1,1,
    0,0,0,0,1,0,
    0,0,0,1,0,0,
    0,0,1,0,0,0,
    0,1,0,0,0,0,
    1,1,1,1,1,1
    ]

 C_Z = [
    1,1,1,1,1,1,
    1,0,0,0,0,1,
    0,0,0,1,1,0,
    0,0,0,0,0,1,
    1,0,0,0,0,1,
    1,1,1,1,1,1
    ]

 net = buildNetwork(36, 3, 1)


 ds = SupervisedDataSet(36, 1)

 ds.addSample(L_Z, [1])
 ds.addSample(C_Z, [0])

 trainer = BackpropTrainer(net, ds)

 for x in range(1000):
  trainer.train()

 print net.activate(L_Z)
 print net.activate(C_Z)

我很惊讶 .trainUntilConvergeance() 正在工作,通常它会保留 1/4 的数据进行验证,如果你只给它两个例子,它通常会崩溃。在任何情况下,此代码都适用于您想要的结果,但如果您尝试进行计算机视觉,他们通常会使用多种方法来检测事物。

于 2014-01-29T20:29:50.143 回答
0

神经网络是随机初始化的收敛向量。但是根据模型,每个单元格都与上层的每个其他单元格链接,因此这意味着没有顺序。

=> 具有值 a、b、c 的神经网络等价于 b、c、a 或 c、b、a 例如(粗略地说)

再加上它们随机开始的事实给了您答案:许多模型可以解决您的问题,并且每次连续迭代都会收敛到一个或另一个

于 2014-01-08T22:29:17.880 回答