데이터 집합에 추가 한 후 pybrain 신경망 재교육

Question

pybrain NN을 가동하여 실행 중이며 오히려 잘 작동하는 것 같습니다. 이상적으로는 각 데이터 포인트 (이 경우 이전 주 수치)가 데이터 세트에 추가 된 후에 네트워크를 교육하고 예측을 얻고 싶습니다.

지금은 매번 네트워크를 재구성하여이 작업을 수행하고 있지만 각 예제가 추가 될 때마다 네트워크를 학습하는 데 시간이 오래 걸립니다 (예제마다 1000 분의 데이터 세트에서 각 예제에 대해 +2 분).).

이미 숙련 된 NN에 새 예제를 추가하고 업데이트하여 프로세스 속도를 높일 수있는 방법이 있습니까? 아니면 문제를 과도하게 복잡하게 만들 수 있습니까? 예를 들어 한 세트의 예제에 대해 교육을하면 더 효과적입니다. 년 데이터) 및 모든 새로운 예제 (올해)에 대한 테스트?

Answer 1

귀하의 목적에 달려 있습니다. 업데이트 된 NN 모델이 필요한 경우 온라인 교육을 수행 할 수 있습니다. 즉, 시간 $ t-1 $에 있던 네트워크에서 시작하여 시간 $ t $에 수집 된 샘플을 사용하여 역 전파의 단일 단계를 수행 할 수 있습니다. 또는 고정 된 양의 교육 샘플을 보유하기 위해 오래된 샘플을 버리거나 일종의 클러스터링을 수행하는 트레이닝 세트의 크기를 줄일 수 있습니다 (즉, 유사한 샘플을 단일 샘플로 병합).

응용 프로그램을 더 잘 설명하면 솔루션 제안이 더 간단해질 것입니다.