python - 如何使用神经网络预测峰值(最好在 python 中使用 neurolab 或 pybrain)

Question

我想使用神经网络根据系列 A(我有系列 A 的完整历史记录)和 future 30 天的事件列表 E(E是二进制单位的列表)。知道 B 与 A 成线性比例，并且当第 i 天的事件发生时 (E[i] = 1)，它会触发 B 的峰值(比例未知)。我有包含 (A, E, B) 元组的训练数据。我已经用前馈网络进行了测试，但它的表现不是很好(不能预测正确的尖峰)。我应该使用循环网络吗？我该怎么做 neurolab 或 pybrain ？谢谢。

你可以看一个例子here .

编辑:代码有点复杂，所以我不能贴在这里。然而，我的想法是我将 A + E 作为输入并预测 B，所以有 30 + 30 个输入单元，30 个输出单元，没有隐藏层(我测试了 1 个隐藏层，包括 30 个单元和 90 个单元，但它们没有表现更好)。时间序列数据显示在上面的链接中。 (红线是B，A是没有尖刺的类似形状)。

A_list, B_list, E_list = input()
X, Y = [A + E for A, E in zip(A_list, E_list)], B_list
indim, outdim = len(X[0]), len(Y[0])
network = nl.net.newp([[-1, 1]]*indim, outdim, transf=nl.trans.LogSig())    

errors = network.train(norm_X(X),                                                        
                       norm_Y(Y),
                       epochs=4000, show=1000,
                       lr=0.01)

其中 norm_X(X) 将 X 缩放到 [-1,1]，norm_Y 将 Y 缩放到 [0, 1]。

Answer 1

尝试将 neurolab.net.newff 与 train_bfgs 一起使用:

network = nl.net.newff([[-1, 1]]*indim, [10,outdim], transf=nl.trans.LogSig()) 
network.trainf = nl.train.train_bfgs
network.train(...)

使用递归网络你可能会看到:http://packages.python.org/neurolab/ex_newelm.html