在加入数据后重新训练大脑神经网络

Question

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

Answer 1

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