【发布时间】：2014-07-20 14:23:47
【问题描述】：
我正在研究我的研究，并且很长一段时间都在努力让权重收敛到 nnet 包中。我正在对天气数据运行反向传播算法来预测温度。我之前使用了神经网络包，并且权重收敛得很好。我能够增加迭代次数以提高准确性。但是当我增加输入模式大小时，神经网络包非常慢。以下是对数据的简要说明。
我每 1 小时从一个车站收集一次天气数据。我将每 1 小时的数据填充 24 小时。这形成了我的输入模式。 Neuralnet 运行良好，收敛了 1 个月的数据，大约 653 个模式。现在，当我想用一年的时间进行同样的训练。神经网络似乎运行了很长时间。
因此我选择了 nnet。 nnet 非常快。但它不像神经网络那样收敛。 下面是我使用的代码 sn-ps。
formula.in=V385+V386+....+V392~V1+V2+...+V382+V383+V384
net<-neuralnet(formula=formula.in,data=data,hidden=90,threshold=0.0001,act.fct="tanh",err.fct="sse", algorithm = "rprop+")
正如您在此处看到的，我可以更改阈值以获得所需的收敛。 现在我的 nnet sn-p 是（这是更快但不允许我更改收敛阈值的那个。
target<-as.matrix(data[,385:392]);
input<-as.matrix(data[,1:384]);
net<-nnet(input,target,size=2,maxit=15000)
任何帮助将不胜感激。
非常感谢。
【问题讨论】：
-
你好，你解决了吗？我有同样的问题。谢谢！
-
你从哪里下载了这些包？
-
你好 Yura，我使用 install.packages("nnet") 来安装 nnet 包。它从以下位置下载它cran.rstudio.com/bin/windows/contrib/3.1/nnet_7.3-9.zip
-
嗨，加布里埃拉，很抱歉回复晚了。是的，我修好了。但不是通过操纵代码。我对数据进行了更多分析，并摆脱了一堆只会减慢系统速度的数据点。我现在没有针对这个问题的通用解决方案
标签： r neural-network backpropagation