我有一个pybrain神经网络正在运行,它似乎运行得相当好。理想情况下,我希望训练网络,并在每个数据点(本例中为前几周的数字)添加到数据集后获得预测。在
目前,我通过每次重建网络来实现这一点,但随着每个示例的添加,训练网络的时间越来越长(每个示例需要2分钟,在1000个示例的数据集中)。在
有没有一种方法可以通过将新的示例添加到已经训练过的NN中并对其进行更新来加快该过程,还是我过于复杂了,通过对一组示例(比如去年的数据)进行培训,然后对所有新的示例(今年)进行测试,这样做会更好?在
Tags:
这取决于你的目标是什么。如果您需要更新的NN模型,您可以进行在线培训,即从您在时间$t-1$拥有的网络开始,对时间$t$获取的样本执行一步反向传播。或者,您可以丢弃旧的样本以获得固定数量的训练样本,或者您可以减少训练集的大小来执行某种聚类(即将相似的样本合并为一个样本)。在
如果你能更好地解释你的应用程序,那么提出解决方案就更简单了。在
相关问题 更多 >
编程相关推荐