java - Encog 神经网络总是给出不一致的结果

Question

我是机器学习和 Encog 的新手，但我希望 Encog 至少能从示例中给出一致的结果，以帮助我更轻松地了解 Encog。对我来说，Encoge 每次运行时都会给出不同的方向结果。

谁能帮助我更好地理解这是为什么？下面是正在使用的一些修改后的示例代码。

方向正确:10/25

方向正确:8/25

方向正确:6/25

...

    public class MainPredict {
    public static void main(String[] args) {

        Co.println("--> Main Predict");

        final MarketLoader marketLoader = new YahooFinanceLoader();
        final MarketMLDataSet marketDataSet = new MarketMLDataSet(marketLoader, Config.INPUT_WINDOW, Config.PREDICT_WINDOW);
        final MarketDataDescription marketDataDescription = new MarketDataDescription(Config.TICKER, MarketDataType.adjusted_close, true, true);
        marketDataSet.addDescription(marketDataDescription);

        Calendar end = new GregorianCalendar();// end today
        Calendar begin = (Calendar) end.clone();// begin 30 days ago
        begin.add(Calendar.DATE, -60);
        end.add(Calendar.DATE, -60);
        begin.add(Calendar.YEAR, -2);

        marketDataSet.load(begin.getTime(), end.getTime());
        marketDataSet.generate();

        BasicNetwork basicNetwork = EncogUtility.simpleFeedForward(marketDataSet.getInputSize(), Config.HIDDEN1_COUNT, Config.HIDDEN2_COUNT, marketDataSet.getIdealSize(), true);

        ResilientPropagation resilientPropagation = new ResilientPropagation(basicNetwork, marketDataSet);
        resilientPropagation.setRPROPType(RPROPType.iRPROPp);

//      EncogUtility.trainToError(resilientPropagation, 0.00008);
        EncogUtility.trainConsole(basicNetwork, marketDataSet, 3);

        System.out.println("Final Error: " + basicNetwork.calculateError(marketDataSet));

        MarketEvaluate.evaluate(basicNetwork);

        Encog.getInstance().shutdown();
    }
}

Answer 1

将神经网络权重初始化为随机值是很常见的，这在很大程度上破坏了确定性。因此，要获得可重复的结果，您需要保存您喜欢的随机初始权重的特定网络实例，然后将其加载到其他运行中作为起点。

在这种情况下，basicNetwork 将是要保存的对象(可能使用 createPersistor() 序列化为 XML)，然后在您以后每次想要重置它时重新加载，而不是从头开始构建一个新的。

您可以尝试的另一个测试是使用 basicNetwork.clone()，然后对它们都运行您的实验，看看结果如何。

链接:

• http://www.heatonresearch.com/javadoc/encog-2.3/org/encog/neural/networks/BasicNetwork.html#clone%28%29
• http://www.heatonresearch.com/javadoc/encog-2.3/org/encog/persist/Persistor.html