Необходима сеть HyperNEAT для прогнозирования временных рядов с помощью Encog

Я использую Encog AI Framework для прогнозирования временных рядов с использованием сети HyperNEAT.

Вот простой код, который я использую для создания сети.

                Substrate substrate = SubstrateFactory.factorSandwichSubstrate(columns*windowSize,days);                    
                CalculateScore score = new TrainingSetScore(trainingSet);
                NEATPopulation pop = new NEATPopulation(substrate, 500);
                pop.setActivationCycles(4);
                pop.reset();
                EvolutionaryAlgorithm train = NEATUtil.constructNEATTrainer(pop, score);
                OriginalNEATSpeciation speciation = new OriginalNEATSpeciation();
                speciation.setCompatibilityThreshold(1);
                train.setSpeciation(speciation = new OriginalNEATSpeciation());

                System.out.println("Is HyperNEAT "+pop.isHyperNEAT());
                // train the neural network

                int epoch = 1;

                do {
                    train.iteration();
                    if(writeOnStdOut)
                        System.out.println("Epoch #" + epoch + " Error:" + train.getError());
                    epoch++;
                    if(Math.abs(train.getError()-previousError)<0.000000001) iterationWithoutImprovement++; else iterationWithoutImprovement = 0;
                    previousError = train.getError();
                    Date dtemp = new Date();
                } while(train.getError() > maximumAcceptedErrorTreshold && epoch < maxIterations && iterationWithoutImprovement < maxiter);

                NEATGenome genome = (NEATGenome) pop.getBestGenome();
                HyperNEATCODEC codec = new HyperNEATCODEC();
                 network2 = (NEATNetwork) codec.decode(pop, substrate, genome);

Это было взято из Box экзамена https://github.com/encog/encog-java-examples/tree/master/src/main/java/org/encog/examples/neural/neat/boxes

Где столбцы - это число объектов, а windowSize - это количество предыдущих дней, необходимое для прогнозирования будущего значения (в моем примере windowSize равно 1).

Я получаю это исключение:

Exception in thread "pool-2-thread-416" java.lang.ArrayIndexOutOfBoundsException at org.encog.util.EngineArray.arrayCopy(EngineArray.java:107) at org.encog.neural.neat.NEATNetwork.compute(NEATNetwork.java:194) at org.encog.util.error.CalculateRegressionError.calculateError(CalculateRegressionError.java:46) at org.encog.neural.networks.training.TrainingSetScore.calculateScore(TrainingSetScore.java:61) at org.encog.ml.ea.score.parallel.ParallelScoreTask.run(ParallelScoreTask.java:83) at java.util.concurrent.ThreadPoolExecutor.runWorker(Unknown Source) at java.util.concurrent.ThreadPoolExecutor$Worker.run(Unknown Source) at java.lang.Thread.run(Unknown Source)

Кажется, что есть проблемы с обработкой потоков. Может ли кто-нибудь помочь мне решить эту проблему? Мой второй вопрос: как я могу обучить сеть NEAT с Backpropagation в Encog?

Источник

2 ответа

Что касается массива за пределами исключения. Я посмотрел на эту строку, и единственное, что может вызвать это, это то, что вы посылаете входной вектор, который имеет больше элементов, чем у вас есть входные нейроны. Я хотел бы убедиться, что вы определяете нейронную сеть для того же входного измерения, как ваши данные в конечном итоге в конечном итоге.

Что касается обратного распространения и NEAT/HyperNEAT, это не то, как эти сети предназначены для обучения. По крайней мере, не работает реализация Кеннет Стэнли. Это все генетическое обучение. Может быть способ точной настройки сети NEAT с помощью backprop, но я не пробовал.

Источник

Я объявил это

Substrate substrate = SubstrateFactory.factorSandwichSubstrate((int)Math.sqrt(NDataSetFeatures),1);

где последний параметр является классом, и это работает для меня.

Источник
Другие вопросы по тегам