machine-learning - 神经网络: should the algorithm be rewritten for every case?

Question

关闭。这个问题需要多问 focused 。目前不接受答案。

---

想要改进此问题吗？更新问题，使其仅关注一个问题 editing this post .

已关闭 4 年前。

Improve this question

我有 2 个数字序列，我想使用神经算法继续它(其中有一些逻辑，但我不知道是什么，并且没有影响选择的外部因素)。两个序列之间以及它们之间都存在一定的关系。

所以，我是机器学习的新手，但我有这样一个想法:是否有任何已经编写且运行良好的应用程序(库)可以实现精确的算法，让我在使用之前不必学习所有这些算法。就像“最常用的神经算法套件”一样。

我正在考虑分析一些乐谱和两个序列:“音符”和“持续时间”。

Answer 1

好的，根据评论我想我得到了你想要的。

一般来说，不需要，你不需要重写ANN的标准算法。但请注意，ANN 不是一个算法，而是一组算法(包括 BackPropagation-ANN、Hopfield-ANN、Boltzmann Machine 等)。其中我推荐BP-ANN，它简单且适合您的项目。您可能想要输入已知音符和持续时间的序列，然后期望输出下一个音符和持续时间。

要使用BP-ANN，您不需要重写它们。由于它是一种广泛使用的算法，因此有许多工具包和开源实现:

1. 谷歌“反向传播神经网络实现”，你会很容易找到它。 Github上也有一些开源项目(C语言和Matlab都有):https://github.com/search?q=back+propagation&type=Everything&repo=&langOverride=&start_value=1
2. 如果您还想深入了解其实现细节，请阅读以下内容:http://docs.lib.purdue.edu/cgi/viewcontent.cgi?article=1279&context=ecetr&sei-redir=1