- PyBrain 教程
- PyBrain - 首页
- PyBrain - 概述
- PyBrain - 环境搭建
- PyBrain - PyBrain网络介绍
- PyBrain - 使用网络
- PyBrain - 使用数据集
- PyBrain - 数据集类型
- PyBrain - 导入数据集数据
- PyBrain - 在网络上训练数据集
- PyBrain - 测试网络
- 使用前馈网络
- PyBrain - 使用循环网络
- 使用优化算法训练网络
- PyBrain - 层
- PyBrain - 连接
- PyBrain - 强化学习模块
- PyBrain - API 和工具
- PyBrain - 示例
- PyBrain 有用资源
- PyBrain - 快速指南
- PyBrain - 有用资源
- PyBrain - 讨论
PyBrain - PyBrain网络介绍
PyBrain 是一个使用 Python 开发的机器学习库。机器学习中有一些重要的概念,其中之一就是网络。网络由模块组成,它们通过连接连接在一起。
一个简单的neural network的布局如下:
Pybrain 支持诸如前馈网络、循环网络等神经网络。
前馈网络是一种神经网络,其中节点之间信息流动方向向前,永远不会向后传播。前馈网络是人工神经网络中第一个也是最简单的网络。信息从输入节点传递到隐藏节点,然后传递到输出节点。
这是一个简单的前馈网络布局。
圆圈被称为模块,带箭头的线是模块的连接。
节点A、B、C和D是输入节点
H1、H2、H3、H4是隐藏节点,O是输出。
在上图网络中,我们有4个输入节点、4个隐藏层和1个输出。图中所示的线条数量表示模型中在训练期间调整的权重参数。
循环网络类似于前馈网络,唯一的区别在于它必须记住每个步骤的数据。必须保存每个步骤的历史记录。
这是一个简单的循环网络布局:
广告