
- PyBrain 教程
- PyBrain - 主页
- PyBrain - 概述
- PyBrain - 环境设置
- PyBrain - PyBrain 网络简介
- PyBrain - 使用网络
- PyBrain - 使用数据集
- PyBrain - 数据集类型
- PyBrain - 导入数据集的数据
- PyBrain - 网络训练数据集
- 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 - 有用的资源
- PyBrain - 讨论
PyBrain - PyBrain 网络简介
PyBrain 是一个为使用 Python 进行机器学习而开发的库。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,它们通过连接进行连接。
简单神经网络的布局如下 -

Pybrain 支持前馈网络、循环网络等神经网络。
前馈网络是一种神经网络,节点之间的信息向前移动,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。
在上面的网络中,我们有 4 个输入节点、4 个隐藏层和 1 个输出。图中显示的行数表示模型中在训练过程中调整的权重参数。
循环网络与前馈网络类似,唯一的区别是它必须记住每一步的数据。每个步骤的历史记录都必须保存。
这是循环网络的简单布局 -
