Question

我使用pybrain玩了一下，了解如何使用自定义架构生成神经网络，并使用反向传播算法将它们训练到监督数据集。

然而，我对优化算法以及任务，学习代理和环境的概念感到困惑。

例如：我如何实现神经网络，如（1）使用pybrain遗传算法（2）对XOR数据集进行分类？

（1）pybrain.tools.shortcuts.buildNetwork(2, 3, 1)

（2）pybrain.optimization.GA()

Answer 1

我终于解决了!!一旦你知道如何，它总是很容易！

基本上GA的第一个参数是适应度函数（在docs中称为求值者），它必须将第二个参数（一个个体，在docs中称为可评估）作为其唯一的arg。

在此示例中将训练为XOR

from pybrain.datasets.classification import ClassificationDataSet
# below line can be replaced with the algorithm of choice e.g.
# from pybrain.optimization.hillclimber import HillClimber
from pybrain.optimization.populationbased.ga import GA
from pybrain.tools.shortcuts import buildNetwork

# create XOR dataset
d = ClassificationDataSet(2)
d.addSample([0., 0.], [0.])
d.addSample([0., 1.], [1.])
d.addSample([1., 0.], [1.])
d.addSample([1., 1.], [0.])
d.setField('class', [ [0.],[1.],[1.],[0.]])

nn = buildNetwork(2, 3, 1)
# d.evaluateModuleMSE takes nn as its first and only argument
ga = GA(d.evaluateModuleMSE, nn, minimize=True)
for i in range(100):
    nn = ga.learn(0)[0]

上述脚本后的测试结果：

In [68]: nn.activate([0,0])
Out[68]: array([-0.07944574])

In [69]: nn.activate([1,0])
Out[69]: array([ 0.97635635])

In [70]: nn.activate([0,1])
Out[70]: array([ 1.0216745])

In [71]: nn.activate([1,1])
Out[71]: array([ 0.03604205])

如何使用pybrain黑盒优化训练神经网络到监督数据集？

1 个答案: