python neurolab - 我们可以用许多输入部分进行增量训练吗？

Question

我正在使用 neurolab 解决机器学习分类问题，链接:- http://code.google.com/p/neurolab/

我的问题是，我们可以增量训练神经网络吗？

进一步解释，我有三部分输入数据，我想通过以下方式训练神经网络

e = net.train(input_part1, output_part1, show=1, epochs=100, goal=0.0001)
e = net.train(input_part2, output_part2, show=1, epochs=100, goal=0.0001)
e = net.train(input_part3, output_part3, show=1, epochs=100, goal=0.0001)

前两部分的火车调用是否会有效地预测神经网络参数 - 或 - 这是否仅使用最后的训练数据？

Answer 1

通常，您会将所有数据一起添加到一个数据集中，并在该训练集上训练网络。训练是指设置权重。为什么不将所有输入(第 1 部分、第 2 部分、第 3 部分)添加到一个数据集中？请注意，在某些技术中，学习和重新调整是学习算法的一部分。如果你想做一个简单的算法，你有一个训练周期和一个性能周期。