问题标签 [encog]

我想知道 Encog AI Framework 是否支持不同类型的分割算法，而不是普通的滑动寡妇方法来进行时间序列预测。Eamonn Keogh 的调查显示，滑动窗是最糟糕的。

这是调查https://www.cs.rutgers.edu/~pazzani/Publications/survey.pdf

让我知道 Encog 是否已经支持用于 ts 预测的不同类型的时间序列分割。

谢谢

以下是使用最新版本的 encog-workbench (3.2.0) 生成的

我想知道这是一个错误还是我没有掌握输出文件的目的。

当我在 encog 工作台中运行 [ sunspot example ][1] 时，没有隔离，我希望输出文件具有模型的拟合值。当我创建验证图表时，它向我展示了教程中的数字，所以这似乎是正确的。

但是当我转到 sunspots_output.csv 输出文件时，我得到以下输出：

对于文件的其余部分，所有输出值都在 8 左右。

现在，当我回到验证图表时，有一个选项卡数据，其中包含以下列：

如果我对这些列中的值进行非规范化，我会得到以下结果。

这些似乎是实际的正确值（如果我将它们与原始数据进行比较），因此这些应该是输出列中的预测值。这是一个错误还是 output(t+1) 列中的值有其他含义。

我将这些值复制到 excel 中并通过输入 (-1,1) 的公式进行非规范化。我希望每次运行实验时都不必这样做。

我最终将转向代码。只是想通过工作台获得一些初步结果。顺便说一句，使用隔离会导致同样的问题。如果它是一个错误，我会在 encog 网站上报告它。

谢谢你的回答，

弗洛里安

更新

嘿 Jef，我下载了你的 zip 并使用我的工作台重现了这个问题。

只有当我不隔离时才会出现问题，我不想这样做。workbench-excecutable3.2.0 创建的 .ega 文件有一些明显的区别，当我使用您的 .ega 文件并删除 seggregate 部分时，它可以工作。当我使用我的时，它不会。这就是为什么我上传我的项目 [这里][2]：

也许您可以发现新事物是否会干扰输出正确的值。希望能帮助到你！

更新 3：

我的实际目标是构建一个可以在这里找到项目的预测器： http ://wikisend.com/download/477372/Myproject.rar

我想知道你是否能告诉我我是否做错了什么，因为目前我的输出完全是垃圾。

再次感谢。

我一直在使用 Encog 神经网络工作台（3.2 版）运行太阳黑子预测例程，并注意到当将未来预测窗口更改为大于 1 时，sunspot_output.csv中的结果似乎是时间偏移的，因此当输出网络在t=0时评估的结果并不是真的(t+1)、(t+2)、(t+3)等。我很可能不了解工作台如何显示结果，所以也许有人可以澄清这一点为了我。

据我了解，如果您使用 30 的过去窗口和 14 的未来窗口，那么网络将查看最后 30 条记录并从最后一条可用记录向前预测（在这种情况下，假设11/1/1951是最后一条可用记录）。因此，对 1951 年 11 月 1 日的评估将回顾 1949 年 5 月 1 日的 30 条记录，并使用此信息通过经过训练的网络来预测1951 年 12 月 1 日（t+1）、1952 年 1 月 1 日的数据(t+2)、2/1/1952 (t+3)等。但是，查看结果文件似乎并非如此。“预测”实际上似乎是前 14 条记录中模式的重复。所以 (t+1)比(t=0)的下一条记录更能代表(t-14) 08/01/1950这将是1951年 12 月 1 日。

我有一张图片显示了这一点，但不幸的是，我似乎还没有发布它的声誉点。要重现此问题，我建议使用 Encog 工作台并使用 30 的过去窗口、14 的未来窗口和 1% 或 2% 的训练误差。

总结：

1. 在查看预测网络结果时，有没有其他人注意到这个问题，尤其是提前超过一个时间？
2. 为什么工作台结果显示，当您查看与输出相关的日期时，encog 预测神经网络无法正确预测未来。

感谢您的任何想法！

我正在尝试使用 Encog3 训练 SOM。在 encog-examples 中有两个这样做的例子——一个是训练一个 XOR SOM，其中所有数据都用于训练直到收敛，另一个是 Color SOM，其中 15 种颜色中的一种在 1000 次迭代中的每次迭代中随机采样。我的问题是，第二种方法是否如此，示例在足够短的时间内完成了足够的结果，或者是否有这样做的原因。如果我在每次迭代中使用所有 15 种输入颜色进行训练，会产生更好的结果吗？

我正在使用 Encog 库通过遵循 Jeff Heaton 先生提供的基本示例来解决模式识别问题。我有模式

这是我的理想模式，输出 1（这意味着它是 100% 相同）现在我想输入另一个模式，看看它与理想模式有多相似。

此代码用于创建网络

然后，我训练网络

最后，我打印结果：

再次回到我的问题：

我如何输入另一个模式，看看它是否看起来像我的？

欢迎任何可能导致我找到解决方案的想法。谢谢

我正在努力理解神经网络的用法以执行 OCR，我的目标与通常的 OCR 算法有点不同。

我的目标是能够确定一个特定的输入是否是一个特定的字母，例如我希望从用户那里得到字母“A”，我需要确保我没有得到不同的形状。

我需要能够确定给定的输入是否是正确的形状。

从我一直在阅读的内容来看，这里有几个选项，MLP、SOM 网络、反向传播网络。

据我了解，由于我计划为每个形状（字母）创建样本以训练网络，我应该定义一个 SOM 网络，对吗？

我不确定哪个方向是首选，如果你能指出我正确的方向，那就太好了。

我打算使用 Encog 框架，不确定这是否重要。

我想从 CSV 文件创建一个训练集，并将其标准化为 [0, 1] 或 [-1, 1] 范围（根据用户选择的激活函数）。我怎样才能做到这一点？在阅读 Encog 教程和指南后，我有这样的事情：

根据API 文档，该Normalize()方法不带参数，并且

规范化数据集，并分配内存来保存它。

它归一化到什么范围？我可以强制它使用不同的吗？也许这不是从 CSV 加载训练数据并将其规范化到内存中的正确方法？

我想使用一个使用反向传播的简单前馈网络来解决回归问题。

我正在构建一个反向传播神经网络（带有 Encog 库），它根据大约 50 个因素做出决策，我希望获得最佳设计方面的帮助：我们肯定需要 50 个输入神经元，以及 4 个神经元作为输出来给出答案（4数字）但我不确定隐藏层中的神经元数量，有多少是最好的？我还想问一下，使用 segmoid 激活函数的反向传播是否最适合这种情况。感谢提前。

所以我是 Encog 的新手，我按照 Mr.Heaton 对 Encog in C# 的介绍进行了尝试。我的简单练习是开发一个网络，根据一个人的年龄预测他们的“精神错乱程度”，我提供了一个训练集。但是，我发现自己面临这个问题：

“输入层大小 6 必须匹配训练输入大小 1。”

我确定我在某处犯了一个重大错误，这是我的简单代码。

实际上，这与 Mr.Heaton 在教程中讨论的代码相同。请帮帮我，谢谢！

我对机器学习很陌生，我一直在尝试开发一个系统来预测一年的销售数量，具体取决于之前使用 Encog 神经网络给出的示例，但我不太明白如何开发它。其实很简单：

x 轴（年）=>

2000,2001,2002,2003,2004

y 轴（销售数量）=>

分别为 30、25、45、60、55

因此，如果提出一个问题来预测 2005 年的销售额，我该如何在神经网络中实现呢？你们有示例代码吗？