الصفحة الرئيسية>المتعلقة بالبرمجة>بايثون
تنزيل

نماذج الوقت المستمر المغلقة

الشبكات العصبية المستمرة في الوقت المستمر (CFCs) هي وحدات معالجة المعلومات العصبية السائلة المتسلسلة.

الوصول المفتوح للورق: https://www.nature.com/articles/S42256-022-00556-7

Arxiv: https://arxiv.org/abs/2106.13898

برنامج تعليمي على الشبكات العصبية السائلة بما في ذلك CFCs السائلة: https://ncps.readthedocs.io/en/latest/quickstart.html

متطلبات

  • Python3.6 أو الأحدث
  • TensorFlow 2.4 أو الأحدث
  • Pytorch 1.8 أو الأحدث
  • Pytorch-Lightning 1.3.0 أو الأحدث
  • Scikit-Learn 0.24.2 أو الأحدث

وصف الوحدة النمطية

  • تنفيذ tf_cfc.py لـ CFC (إصدارات مختلفة) في TensorFlow 2.x
  • تنفيذ torch_cfc.py لـ CFC (إصدارات مختلفة) في Pytorch
  • train_physio.py يدرب نماذج CFC على مجموعة بيانات Physionet 2012 في Pytorch (رمز مقتبس من Rubanova et al. 2019)
  • train_xor.py يدرب نماذج CFC على مجموعة بيانات XOR في TensorFlow (رمز مقتبس من Lechner & Hasani ، 2020)
  • يدرب train_imdb.py نماذج CFC على مجموعة بيانات IMDB في TensorFlow (رمز مقتبس من موقع Keras Ampetaction)
  • يدرب train_walker.py نماذج CFC على مجموعة بيانات Walker2D في TensorFlow (رمز مقتبس من Lechner & Hasani ، 2020)
  • irregular_sampled_datasets.py مجموعات بيانات (نفس الانقسامات) من Lechner & Hasani (2020)
  • duv_physionet.py و duv_utils.py PHYSIONET (نفس الانقسام) من Rubanova et al. (2019)

الاستخدام

جميع البرامج النصية التدريبية باستثناء الأعلام الثلاثة التالية

  • no_gate يدير CFC بدون الجزء (1-sigmoid)
  • يدير minimal حل CFC المباشر
  • يقوم use_ltc بتشغيل LTC مع حلقة قصيدة شبه محددة بدلاً من CFC
  • يمزج use_mixed من ولاية RNN من CFC مع LSTM لتجنب التدرجات التلاشي

إذا لم يتم توفير أي من هذه الأعلام ، فسيتم استخدام نموذج CFC الكامل

على سبيل المثال 

python3 train_physio.py

تدريب نموذج CFC الكامل على مجموعة بيانات Physionet.

بصورة مماثلة 

train_walker.py --minimal

يقوم بتشغيل حل CFC المباشر على مجموعة بيانات Walker2D.

لتنزيل مجموعة بيانات Walker2D من Lechner & Hasani 2020 ، Run 

 source download_dataset.sh

استشهد 

 @article{hasani_closed-form_2022,
	title = {Closed-form continuous-time neural networks},
	journal = {Nature Machine Intelligence},
	author = {Hasani, Ramin and Lechner, Mathias and Amini, Alexander and Liebenwein, Lucas and Ray, Aaron and Tschaikowski, Max and Teschl, Gerald and Rus, Daniela},
	issn = {2522-5839},
	month = nov,
	year = {2022},
}
يوسع
معلومات إضافية
تطبيقات ذات صلة
نوصي لك
أخبار ذات صلة الكل