我做了神经网络,它是pre-trained for 180 days of data.
It filters the fraud data of credit cards everyday and 1-days new data is comming in.
我还想在过滤之后,
我想重新训练我的人工智能模型,但我只想使用新的1天数据(因为训练神经网络真的很费时)。
我的人工智能模型是0(非欺诈)/1(欺诈)分类模型。我想用1/181改变我的神经网络.因为数据量只是一天
我该如何训练神经网络?如果我只使用了一天的数据,运行了许多时代(时间),它将过度适合.通过早停,似乎一天的数据列车不是.足够.
我想将MLP应用于一些商业卖家的数据。我发现这些数据是分类和连续特性的混合体。对于我所读到的内容,向神经网络提供这两种类型的数据(引用未知/不可用)是不可取的,我记得我读到的神经网络可以使用以下模型:
Categorical variables-->NN model 1
----->NN model 3---->Output
Continuous variables--->NN model 2
因此,在这个模型中,我们有两个神经网络,每个神经网络只提供分类变量或连续变量,然后将输出(来自这
我想了解更多关于神经网络训练的其他方法,我可以找到一些关于GA训练网络的文献,但是关于PSO训练的文献不多。这是如何工作的呢?
我有一个总体的想法:你创造了这么多的粒子群,并使用网络损失函数(如MSE)作为一个启发。粒子会移动到MSE最低的区域,然后你就有了网络的权重。
我了解一个在线的香草反向传播网络,以下是培训的总体思路:
for each epoch:
for each training example d:
feed-forward d through layers 0..n
find error e as a function of expected vs. ac
我有两个表,并希望有一个列的总和从表belegpos。对于这个查询,当在artikel中只有一行与modell在一起时,它工作得很好。当有2行具有相同模型时,它将获取总和(或除以3行x3)
select bp.modell,sum(bp.quantity)
from belegpos as bp
join artikel on bp.modell=artikel.modell
where artikel.status=0
group by bp.modell ;
我正在编写两个表的group by子句,这两个表是通过实体数据模型连接和访问的。我不能遍历匿名类型,有人能帮我吗?
public string GetProductNameByProductId(int productId)
{
string prodName=string.Empty;
using (VODConnection vodObjectContext = new VODConnection())
{
var products = from bp in vodObjectContext
我有三个名为Metric、Entry和Measurement的模型:
class Metric < ActiveRecord::Base
has_many :entries
attr_accessible :name, :required_measurements, :optional_measurements
end
class Entry < ActiveRecord::Base
belongs_to :metric
has_many :measurements
attr_accessible :metric_id
end
class Measureme