Question

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)

但是每次运行程序后都会显示不同的结果。我的网络应该学会找英文'Z'字母和西里尔字母'З'。怎么了？

Answer 1

您的方法根本不正确。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到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.如果您想为每个检测单元输入一个输入，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（）正在运行，通常它会将1/4的数据放在一边进行验证，如果你只提供两个例子，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，但如果您尝试通常使用计算机视觉，他们会使用多种方法来检测事物。

Answer 2

神经网络是随机初始化的向量，它们是收敛的。但是根据模型，每个单元格都与上层的每个其他单元格相关联，因此这意味着没有顺序。

=＆GT;值为a，b，c的神经网络等效于b，c，a或c，b，a（例如）（粗略地说）

这加上它们随机开始的事实为您提供了答案：许多模型可以解决您的问题，并且每次连续迭代都会向一个或另一个方向汇聚

为什么我的神经网络显示奇怪的结果

2 个答案: