问题标签 [pybrain]

我如何知道我的机器上安装了哪个 pybrain 版本？例如，如果我想知道我拥有哪个 numpy 版本，我只需键入：

导入 numpy

打印 numpy.version.version

我想知道pybrain如何根据权重给出预测。例如，我已经指定

假设我知道这个训练有素的网络的权重，我该如何自己进行预测？我需要使用 Java 在另一个程序中计算结果。或者这个网络的激活功能是什么？

这是 PyBrain 谷歌组的转贴：https ://groups.google.com/forum/#!topic/pybrain/J9qv0nHuxVY 。

我一直在修补 OpenNN 和 FANN，但还没有找到一个可以满足我需要的 ANN 库。

我将把它分为短期和中期目标，但首先要了解一点背景......

背景

我想使用 ANN 对随时间变化的 1000-2000 项向量进行时间序列预测。每个元素都是一个布尔值，表示计算机视觉系统在特定时刻存在的一组视觉属性。

这个想法是在时间 t-1 向网络提供向量，并将时间 t 的向量作为目标值。

然后，网络的输出将是基于向量的先前状态 (t-1) 在当前时间 (t) 中预期会发生什么的预测。

短期

我想训练一个人工神经网络，以便它可以学习随着时间的推移预测这些向量。也就是说，我想给它一个任意向量，它会返回它已经训练过的向量。现在可以使用有限数据集，我希望从正常的 epoch 学习开始。我从一个正常的监督数据集开始，其中输入和目标偏移一个时间单位。到目前为止，我在 MSE 回报方面的表现不如我在 FANN 中获得的结果（第一个时期后错误没有显着减少），如下所述：https ://groups.google.com/forum /#!topic/pybrain/QSfVHsFRXz0。

在 FANN 中，我只使用了一个简单的 MLP，它有 1026 个输入、103 个隐藏和 1026 个输出。布尔输入被缩放到 -1 到 1，权重被初始化为 -1 到 1 之间的随机值。（这样做是因为显然使用负值学习比仅使用 0-1 更快）。该网络很好地再现了输入模式，最终得到了一个小的 MSE。

在 PyBrain 中，这是代码的当前版本：

关于如何最好地进行学习设置的任何建议？（我希望我需要递归，但想用普通的 MLP 将 PyBrain 与我之前的 FANN 结果进行比较。）

我实际上尝试使用recurrent=True 来构建这个网络，但是在我所有的测试中，python 最终都使用了所有可用的内存并崩溃了（这台机器上有8GB 内存）。我不确定如何在不大量增加内存占用的情况下启用递归。

中期

最终，系统将不得不在线运行，其中输入是动态输入并不断变化的。这意味着无法进行 epoch 训练，因此我需要能够运行学习算法的单次迭代。我意识到人工神经网络很难学习，但好消息是不会缺少数据点（至少 100,000 个）。因为没有固定的数据集，所以不需要收敛。我预计随着新模式或稳定模式的出现，错误会上升和下降。

感谢您的任何意见和建议。

我已经开始在 Pybrain 中构建一些网络并获得了很多乐趣。我对这些文档并不完全感兴趣，所以我构建了小型、简单的网络并与它们一起玩，以了解类结构和数据流的工作方式。

我有几个问题：

设置：

1）当您执行“addInputModule”方法时，该层中的节点是否自动限制为每个输入？有没有办法拥有多个？

2）似乎我无法创建一个具有 4 个输入和 1 个输出的节点的 NN……看起来我必须为任何 NN 使用至少 2 个节点，因为权重与边缘（即连接）类相关联。如果我有 4 个输入，我必须在 InputModule 中有 4 个节点......

3）在上面的代码片段中，每一层中每个节点的默认阈值函数是什么？如何显示 TF 是什么？

4) 是否有任何文档描述每个类方法的所有可用输入？

谢谢！

格雷格

我面临这个问题：

我必须构建一个必须逼近未知函数的 FFNN f:R^2 -> R^2。我拥有的用于检查网络的数据是一维 R 向量。我知道g:R^2->R将网络输出映射到我的数据空间的函数。所以我会使用神经网络作为过滤器来防止数据中的偏差。但我面临两个问题：

首先，我怎样才能以这种方式训练我的网络？

其次，我正在考虑添加一个额外的隐藏层来映射R^2->R并让网络训练自己找到正确的映射，然后删除额外的层。这个算法正确吗？即，输出是否与我正在寻找的相同？

我有这样的训练数据示例（我有 1000 部电影进行训练），我需要预测每部电影的“预算”：

'title', 'producer',等键'country'可以看作是机器学习中的特征，而 , 等值'The Hobbit: An Unexpected Journey'可以25000看作是用于学习过程的值。然而，在训练中，输入大多被接受为实数而不是字符串格式。我是否需要将诸如'title', 'producer', 'country'（字符串字段）之类的字段转换为int（应该进行分类或序列化之类的事情？）或其他一些操作，以使我能够将这些数据用作我的网络的训练集？

我已经训练了一个 ffnn 来适应 pybrain 的未知函数。我像这样构建ffnn

我对 pybrain 说用命令打印网络的参数

pybrain 将参数返回给我

现在我想在另一个脚本中使用这个拟合函数。我试过了

问题是从网络返回的值完全不在意。例子

其中第一列是网络的输出，第二列是输入。网络的输出必须接近输入值。有什么问题？我在哪里做错了？这是过度拟合的问题还是我遗漏了什么？

在一个项目上使用 PyBrain 进行一些预测，但是我想知道如何以一种简单的方式限制 NN 输出的域，以便输出层仅在域 [0..1] 中产生值。

目前，我在网络的一些激活中得到负值。

我搜索了 PyBrain 文档，没有遇到任何似乎表明这是可能的方法或方法参数。下面的相关代码示例：

https://gist.github.com/Skyyrunner/8317943

上面的 gist 链接有相关的代码和控制台输出。我试图提供给 ClassificationDataSet 的数据集的维度为 860 进，1 出，大约是 470k 个整数元素，大部分是 0。问题是无论我如何尝试将其拆分为多个列表，它仍然会崩溃并在要点中附加内存错误。有没有解决这个问题的好方法？

我使用 PyBrain 创建了一个简单的神经网络：

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？