Machine learning 神经网络：是否应该为每种情况重写算法？

我有两个数字序列，我想继续使用神经算法（其中有一些逻辑，但我不知道是什么，也没有影响选择的外部因素）。这两个序列中的每一个序列以及它们之间都有某种关系

所以，我对机器学习还不熟悉，但我有这样一个想法：是否有任何已经编写好且运行良好的应用程序（库）可以实现精确的算法，让我在使用之前不必全部学习它们。就像“最常用的神经算法工具包”

---

我正在考虑分析一些乐谱和两个序列：“音符”和“持续时间”。

如果你对神经网络感兴趣，有很多可用的库。 是这样一个开源示例，是 商业例子。这些库是您告诉您系统架构的库 神经网络，可以训练、测试、验证等所有重要部分 这些机器学习方法是您表示数据的方式，这些方法 您得到的评论（例如Predictor's）。有时你会 一个代表的结果很好，另一个代表的结果很差

还有用于训练支持向量机（训练神经网络的一种专门算法）的库 网络）与二次正则化，是一个伟大的例子

在用神经网络（如果有的话）预测时间序列方面也有大量的工作

---

这就是你想对音乐做的，我不确定你到底想要什么。）

如果你对神经网络感兴趣，有很多可用的库。 是这样一个开源示例，是 商业例子。这些库是您告诉您系统架构的库 神经网络，可以训练、测试、验证等所有重要部分 这些机器学习方法是您表示数据的方式，这些方法 您得到的评论（例如Predictor's）。有时你会 一个代表的结果很好，另一个代表的结果很差

还有用于训练支持向量机（训练神经网络的一种专门算法）的库 网络）与二次正则化，是一个伟大的例子

在用神经网络（如果有的话）预测时间序列方面也有大量的工作

---

这就是你想要的音乐，我不确定你到底想要什么。）

好的，根据评论，我想我得到了你想要的

一般来说，不需要重写ANN的标准算法。但是请注意，ANN不是一个算法，而是一组算法（包括反向传播ANN、Hopfield ANN、Boltzmann机器等）。其中我推荐BP-ANN，它简单且适合您的项目。您可能希望输入已知音符和持续时间的序列，然后期望输出下一个音符和持续时间

要使用BP-ANN，不需要重写它们。由于它是一种广泛使用的算法，因此有许多工具包和开源实现：

谷歌“

反向传播神经网络实现”

”，你会很容易找到它。Github上还有一些开源项目（使用C语言和Matlab）：

如果您还想深入了解其实现的细节，请阅读以下内容：

---

好的，根据评论，我想我得到了你想要的

一般来说，不需要重写ANN的标准算法。但是请注意，ANN不是一个算法，而是一组算法（包括反向传播ANN、Hopfield ANN、Boltzmann机器等）。其中我推荐BP-ANN，它简单且适合您的项目。您可能希望输入已知音符和持续时间的序列，然后期望输出下一个音符和持续时间

要使用BP-ANN，不需要重写它们。由于它是一种广泛使用的算法，因此有许多工具包和开源实现：

谷歌“

反向传播神经网络实现”

”，你会很容易找到它。Github上还有一些开源项目（使用C语言和Matlab）：

如果您还想深入了解其实现的细节，请阅读以下内容：

---

如果输入是一系列的（音符、持续时间）对，那么我想，通过总结历史上的音符到音符的转换，或者通过类似的方法来捕捉音乐的语法（马尔可夫分析等），你会比通过将其填入神经网络走得更远。尝试将系列表示为音符差分，测量新音符在音阶上下的数量，而不是音符本身的实际值，也可能会有所帮助。

如果输入是一系列（音符，持续时间）对，然后我怀疑，通过总结历史上的音符到音符的转换，或者通过类似的方法来捕捉音乐的语法（马尔可夫分析，等等），你会比把它塞进神经网络更进一步。尝试将系列表示为音符差异也可能有所帮助，测量新音符在音阶上下的数量，而不是音符本身的实际值。

您能否详细说明单个系列中模式的性质，以及两个系列之间的关系？@Predictor，差异是什么？我是说，它应该以什么闻名？选择算法？我的情况如何？我正在考虑分析一些乐谱和两个序列：“音符”和“持续时间”。这很重要，因为不同类型的关系最容易被不同类型的解决方案检测到。和的可能重复。“可能重复…”我不明白怎么做。这一个涉及使用（可能的）神经网络解决一个特定问题（另一个解决方案可能更好：这不是c