Rede de treinamento usando algoritmos de otimização

Vimos como treinar uma rede usando treinadores em pybrain. Neste capítulo, usaremos algoritmos de otimização disponíveis com o Pybrain para treinar uma rede.

No exemplo, usaremos o algoritmo de otimização GA que precisa ser importado conforme mostrado abaixo -

from pybrain.optimization.populationbased.ga import GA

Exemplo

Abaixo está um exemplo funcional de uma rede de treinamento usando um algoritmo de otimização GA -

from pybrain.datasets.classification import ClassificationDataSet
from pybrain.optimization.populationbased.ga import GA
from pybrain.tools.shortcuts import buildNetwork

# create XOR dataset
ds = ClassificationDataSet(2)
ds.addSample([0., 0.], [0.])
ds.addSample([0., 1.], [1.])
ds.addSample([1., 0.], [1.])
ds.addSample([1., 1.], [0.])
ds.setField('class', [ [0.],[1.],[1.],[0.]])

net = buildNetwork(2, 3, 1)
ga = GA(ds.evaluateModuleMSE, net, minimize=True)

for i in range(100):
net = ga.learn(0)[0]

print(net.activate([0,0]))
print(net.activate([1,0]))
print(net.activate([0,1]))
print(net.activate([1,1]))

Resultado

O método de ativação na rede para as entradas quase corresponde à saída, conforme mostrado abaixo -

C:\pybrain\pybrain\src>python example15.py
[0.03055398]
[0.92094839]
[1.12246157]
[0.02071285]