问题标签 [pybrain]

谁能给我一个（pybrain）python中递归神经网络的实际示例，以预测序列的下一个值？（我已经阅读了 pybrain 文档，我认为没有明确的例子。）我也发现了这个问题。但是我看不到它在更一般的情况下是如何工作的。因此，我问这里是否有人可以提出一个清晰的例子，说明如何使用循环神经网络预测 pybrain 中序列的下一个值。

举个例子。

例如，我们有一个范围 [1,7] 内的数字序列。

现在给出例如一个新序列的开始：1 3 5 7 2 4 6 7 1 3

下一个值是什么

这个问题可能看起来很懒惰，但我认为没有一个好的和体面的例子来说明如何用 pybrain 做到这一点。

另外：如果存在超过 1 个功能，如何做到这一点：

例子：

例如，我们在 [1,7] 范围内有几个序列（每个序列有 2 个特征）。

现在给出例如一个新序列的开始：

下一个值是什么

随意使用您自己的示例，只要它与这些示例相似并且有一些深入的解释。

我需要用前馈网络解决回归问题，我一直在尝试使用 PyBrain 来解决这个问题。由于 pybrain 的参考文献中没有回归示例，因此我尝试将其分类示例改为回归，但没有成功（分类示例可在此处找到：http: //pybrain.org/docs/tutorial/fnn.html）。以下是我的代码：

第一个函数将我的 numpy 数组形式的数据转换为 pybrain SupervisedDataset。我使用 SupervisedDataset 是因为根据 pybrain 的参考，它是问题回归时使用的数据集。参数是一个包含特征向量（数据）及其预期输出（值）的数组：

接下来是运行回归的函数。train_data 和 train_values 是训练特征向量及其预期输出，test_data 和 test_values 是测试特征向量及其预期输出：

当我打印 res 时，它的所有值都是 0。我尝试使用 buildNetwork 函数作为构建网络的快捷方式，但效果不佳。我还尝试了隐藏层中不同类型的层和不同数量的节点，但没有运气。

有人知道我做错了什么吗？此外，一些 pybrain 回归示例真的很有帮助！我看的时候找不到。

提前致谢

我正在使用 pybrain 构建 Noyron 网络，但我想将 outclass 更改为 Sigmoid 而不是 Linear Layer。

这是我创建的网络：

这是我打算做的（但不工作）：

我正在为神经网络使用 python 和 pybrain。不幸的是，我的样本非常大，当程序在训练中打印错误时，我的记忆在程序完成之前就已经满了。

无论如何不打印函数中的错误吗？

！！！！这不是python错误。这是 pybrain 的功能。它打印预测和真实样本的差异。例如“错误：0.00424”。

每次进行预测时，都会打印此字符串。

这是我的代码

I have built a simple recurrent neural network that predicts a very noisy signal from a series of 15 inputs (statistical breakdowns of the signal).

From what I can tell in the pybrain source (pybrain\supervised\trainers\backprop.py), the error function is hardcoded in the _calcDerivs function as the sum of the squared errors divided by the total targets (MSE). The division happens in the train function.

In my case, it is most important that the network predict the direction of signal change over the exact change amount, so I want to penalize the NN when it predicts down but signal moves up and vice-versa. I've been experimenting with passing _calcDerivs not only the current target, but also the previous target and outputs, which I use to calculate a weight based on whether or not the target guessed the direction correctly, but the network fails to converge using both rprop and backprop. This whole thing is very hack-y to me.

My question is: Is there a best way to modify the default performance function? Is all of the performance function code kept in _calcDerivs or am I missing something?

我正在使用此代码并尝试预测序列的最终编号。

问题是神经网络一直在预测浮点数。

有什么办法可以固定样本的类型吗？我想用整数、布尔值和字符串进行测试。

谢谢

我正在尝试用 Pybrain 训练一个简单的神经网络。训练后，我想确认 nn 是否按预期工作，因此我激活了用于训练它的相同数据。但是，每次激活都会输出相同的结果。我是否误解了有关神经网络的基本概念，或者这是设计使然？

我尝试改变隐藏节点的数量、隐藏类类型、偏差、学习率、训练时期的数量和动量，但无济于事。

这是我的代码...

这是结果的一个示例......正如您所看到的，即使激活输入不同，输出也是相同的。

我正在尝试编写一个神经网络（在经过适当训练后）识别某些道路标志并为每种类型的标志返回不同的输出。在我开始训练我的网络之前，我在 pybrain 网站上注意到他们的数据集总是一个值数组，每个条目都包含一个输入和一个目标。我的神经网络图像已转换为灰度像素数据（一个简单的数字数组）。为了训练每组数据，我是否需要以某种方式为每个像素添加一个目标值？如果是这样，我将如何去做？

如何在 Mac OS X Mountain Lion 上安装 pybrain？我已经安装了 Python。

我开始使用 Pybrain 里面好的神经网络算法。如果有人已经熟悉它，那么该软件包是否也能够进行多标签分类？多标签与多类分类不同，因为一个实例可以有多个类作为其输出/目标。