添加到數據集後重新調整pybrain神經網絡

Question

我有一個pybrain NN啓動並運行，它似乎工作得很好。理想情況下，我想訓練網絡，並在每個數據點（本例中前幾周的數字）已添加到數據集後獲得預測結果。

目前我正在通過每次重建網絡來做到這一點，但是隨着每個示例的添加，需要越來越長的時間來訓練網絡（每個示例+2分鐘，數據集中包含1000個示例）。

有沒有辦法通過將新示例添加到已經過訓練的NN並對其進行更新來加速此過程，或者我是否過度複雜化了這些問題，並且最好通過對一組示例進行培訓來提供服務年數據），然後測試所有新例子（今年）？

Answer 1

它依賴於你的目標是什麼。如果您需要更新的NN模型，您可以執行在線培訓，即從時間$ t-1 $開始的網絡開始，使用$ t $時間獲取的樣本執行單步反向傳播。或者，也許您可​​以丟棄較舊的樣本以獲得固定數量的訓練樣本，也可以減少執行某種聚類的訓練集的大小（即將相似樣本合併爲一個樣本）。

如果你更好地解釋你的應用程序，它會更簡單的建議解決方案。