Jak dopasować funkcję za pomocą sieci PyBrain?

Question

jest funkcja podobna do: y = sin (x) Chcę używać sieci PyBrain, aby dopasować funkcje, oto co zrobiłem: po uruchomieniu otrzymasz to, co dostanę, uzyskane dane są daleko z tego, co powinno być.

from pybrain.datasets import SupervisedDataSet 
from pybrain.tools.shortcuts import buildNetwork 
from pybrain.supervised.trainers import BackpropTrainer 
import pickle 
import scipy as sp 
import numpy as np 
import pylab as pl 

x = np.linspace(0, 4*np.pi, 100) 
ds = SupervisedDataSet(1,1) 

for i in x: 
    ds.addSample(i,sin(i)) 
print ds 

n = buildNetwork(ds.indim,3,3,3,ds.outdim,recurrent=True) 
t = BackpropTrainer(n,learningrate=0.01,momentum=0.5,verbose=True) 
t.trainOnDataset(ds,1000) 
t.testOnData(verbose=True) 

fileObject = open('trained_net', 'w') 
pickle.dump(n, fileObject) 
fileObject.close() 

fileObject = open('trained_net','r') 
net = pickle.load(fileObject) 

y = [] 
for i in x: 
    y.append(net.activate(i)) 

pl.plot(x,y) 
pl.plot(x,np.sin(x)) 
pl.show() 

Answer 1

Przypuszczam, że problem polega na tym, że ta sieć nie pasuje do tej funkcji. Całkowita liczba węzłów sieci jest zbyt niska, aby odpowiednio pasować do tej funkcji sin (x): funkcja jest zbyt złożona. Ponadto, aby dopasować dowolną funkcję, wymagana jest zasadniczo nie więcej niż jedna ukryta warstwa.

Na przykład spróbuj usunąć dwie ukryte warstwy i zwiększyć liczbę ukrytych węzłów (na przykład 20). Twój kod pasuje do funkcji dokładnie wtedy,