问题标签 [pybrain]

目前我正在使用 pybrain 的 NFQ 算法。我想尝试不同类型的网络（例如隐藏层中的神经元数量）是否有可能做到这一点？

例如，让我设置输入和输出神经元。

谢谢

是否有人知道 pybrain 是否在并行架构中工作？如果没有，哪个库可用于多核处理器中的人工神经网络？非常感谢！

我一直在努力使用 pybrain 创建一个神经网络，并且由于某种原因在通过传播对其进行训练后，它无法训练我的网络。我在外维度中使用超过两个类的任何数据集只会将我的所有观察结果归为一个类别。有谁知道为什么会这样？代码和一些输出如下。

训练的最后一个 epoch 有 0.09 的错误，如下面的输出所示：

然而，当我打印混淆矩阵、精度和召回率时，我得到以下以及这个奇怪的错误：

我有 3 组句子（字数不同），但我不知道如何从文本中提取特征以使输入维度保持不变。

例如，我尝试过词袋，但由于字数变化会导致输入维度变化，我最终会出错。

如果您能向我展示一种为神经网络准备字符串数据的方法，我将不胜感激。

谢谢！

（Windows 7 中的 Python 2.7）

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：

我的输出如下所示：

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！

This is an excerpt from PyBrain's website. I get most of what is going on, but one line has me completely stumped. I've never seen anything like this in python code before. Here is the whole loop, for context:

the weird "where" qualifier is from NumPy, and I get what that's doing. I've never seen "here" used that way though. Can someone explain exactly what this is doing?

描述

给定一个包含 10 个序列的数据集 - 一个序列对应于一天的股票价值记录 - 其中每个构成 50 个股票价值的样本记录，从早上或上午 9:05 开始，间隔 5 分钟。但是，有一个额外的记录（第 51 个样本）仅在训练集中可用，它比 50 个样本记录中最后一个记录的样本晚了 2 小时，而不是 5 分钟。需要为测试集预测第 51 个样本，其中还给出了前 50 个样本。

我正在使用循环神经网络来解决将序列分组在一起的问题，每个样本pybrain的标签（或通常称为目标）是下一个时间步的样本- 时间序列预测中的典型公式。yx_ix_(i+1)

例子

问题

现在我的循环神经网络 (RNN) 已经对这 10 个序列进行了训练，如果它遇到另一个序列，我将如何使用RNN来预测2 hours序列中最后一个样本之后的库存值？

请注意，对于每个训练序列，我也有“比最后一个样本库存值晚 2 小时”，但我不确定如何将其纳入训练中，RNN因为它期望样本之间的时间间隔相同。谢谢！

我在具有多个输出层的 RecurrentNetwork 上使用 PyBrain BackPropTrainer。我需要分别获取这些层中的每一层的训练错误。我应该怎么做 - 即我是否扩展源代码本身，或者有没有办法做到这一点已经提供？

我查看了BackPropTrainer.train() ，但是这仅返回整个网络的单个值，每个训练步骤。

这个问题解决了获取单个模块的激活值，但仅在训练之后。

不知道从这里转向哪里。

谢谢！

我正在尝试通过利用 contagiodump 上发现的 26,000 个 PDF 样本（干净和恶意）来创建一个 ANN 将 PDF 文件分类为恶意或干净。对于每个 PDF 文件，我使用 PDFid.py 解析文件并返回 42 个数字的向量。然后将 26000 个向量传递到 pybrain；50% 用于训练，50% 用于测试。这是我的源代码：

https://gist.github.com/sirpoot/6805938

在对尺寸和其他参数进行大量调整后，我设法获得了大约 0.90% 的误报率。这是我的输出：

https://gist.github.com/sirpoot/6805948

我的问题是，我有什么明确的方法可以进一步降低误报率吗？我该怎么做才能将利率降低到 0.05%？

O。

使用 pyBrain 的强化学习，我们正在尝试解决一个游戏。我们使用 NFQ 和 ActionValueNetwork 作为控制器。我们有我们的自制任务，并且正在使用 pyBrain 的实验设置进行训练。我们的代理在每一集后都会重置。

我们看一集的方式是在一个级别上运行。每一集我们都调用experiment.doInteractions() 直到关卡返回失败或完成。之后我们执行 agent.learn() 和 agent.reset()

起初我们认为这个错误是由于运行一集太长而导致内存溢出。当我们第一次遇到错误时，我们插入的移动最大值为 10.000。我现在将它降低到 50，这使得程序可以运行更多集，但仍然出现错误。

这使我们相信问题不是移动的数量，而是累积的历史被保存在某个地方并过度增长其允许的内存大小。我们相信 agent.reset() 会从内存中清除所有历史记录，不是吗？我们可以阻止历史被保存在某个地方吗？

或者有人有其他建议吗？

编辑：这是异常跟踪。