Uczę się korzystać z modułu mózgu Gekko do aplikacji do głębokiego uczenia się.
Konfigurowałem sieć neuronową, aby nauczyć się funkcji numpy.cos (), a następnie uzyskać podobne wyniki.
Dobrze się dopasowuję, gdy granice mojego treningu są następujące:
x = np.linspace(0,2*np.pi,100)
Ale model rozpada się, gdy próbuję rozszerzyć granice do:
x = np.linspace(0,3*np.pi,100)
Co muszę zmienić w mojej sieci neuronowej, aby zwiększyć elastyczność mojego modelu, aby działał on w innych granicach?
To jest mój kod:
from gekko import brain
import numpy as np
import matplotlib.pyplot as plt
#Set up neural network
b = brain.Brain()
b.input_layer(1)
b.layer(linear=2)
b.layer(tanh=2)
b.layer(linear=2)
b.output_layer(1)
#Train neural network
x = np.linspace(0,2*np.pi,100)
y = np.cos(x)
b.learn(x,y)
#Calculate using trained nueral network
xp = np.linspace(-2*np.pi,4*np.pi,100)
yp = b.think(xp)
#Plot results
plt.figure()
plt.plot(x,y,'bo')
plt.plot(xp,yp[0],'r-')
plt.show()
Są to wyniki do 2pi:
Są to wyniki do 3pi:
źródło