Python 神经网络数据稀疏性

我正在用PyBrain训练一个音乐网络。输入是两个音符，输出是接下来的两个音符。 每个音符由一个整数表示，该整数映射到一个音符（例如C#=11，F=7）、八度和持续时间。因此，我使用了一个数据集：

ds = SupervisedDataSet(6, 6)

这看起来像

（[note1，octave1，duration1，note2，octave2，duration2]，[note1，octave1，duration1，note2，octave2，duration2]）

然而，我遇到了和弦问题（即一次演奏多个音符）。为了解决这个问题，我去掉了表示音符的第一个整数，并将其替换为22个整数，设置为1或0，以指示播放的音符。我还有这个，然后是八度和持续时间。 例如，下面

[0, 0, 0, 1, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 4, 0.5]

表示C#、E和a的和弦，八度为4，持续时间为0.5。
PyBrain在训练和测试后总是给我一个全零的输出。我理解它为什么会这样做，但我不知道如何修复它。
有没有更好的方法来表示音符/和弦，这样PyBrain就不会有这个问题

编辑：我已经将位向量转换成十进制数，虽然网络不再只给出零，但很明显它没有正确地学习模式

我使用的网络如下：

net = buildNetwork(6, 24, 6, bias=True, hiddenclass=LSTMLayer, recurrent=True)

trainer = BackpropTrainer(net, ds, verbose = True)

还有这样的教练：

net = buildNetwork(6, 24, 6, bias=True, hiddenclass=LSTMLayer, recurrent=True)

trainer = BackpropTrainer(net, ds, verbose = True)

---

当我训练时，我遇到了一个巨大的错误，大概是十个或十万个。

你的问题对我来说不太清楚，我想需要更详细的解释，但取决于我的理解，我想你不需要在你的网络中进行恢复，也可以尝试在隐藏层中使用另一个激活功能，例如

Softmax

。我用6个节点的输入和6个节点的输出在一些样本数据集上测试了它，它正在得到正确的训练，因此我建议您使用我的版本：

from pybrain.tools.shortcuts import buildNetwork
from pybrain.datasets import SupervisedDataSet
from pybrain.supervised.trainers import BackpropTrainer
from pybrain.structure.modules import SoftmaxLayer

ds = SupervisedDataSet(6, 6)

#
# fill dataset
#
net = buildNetwork(6, 24, 6, bias=True, hiddenclass=SoftmaxLayer)
trainer = BackpropTrainer(net, ds)

列车：

error = 10
while error > 0.00001:  #choose error like you want
    error = trainer.train()
    print error #just for logging

#and activate
print net.activate([*,*,*,*,*,*])

---

请给我一个更详细的解释，我远离音乐和这个八度音阶和C#s，所以请编辑你的问题，并写下你如何训练你的网络，你使用哪个网络etc@Godot我已经在我原来的帖子中添加了更多的信息。就音乐术语而言，我认为这并不重要。基本上你可以想象我有22个灯光-我用22个二进制值表示开/关，一个int表示亮度，一个float表示持续时间。我遇到的问题是，因为在每个样本中，22个灯中的大多数都会熄灭，所以我的网络认为永远不会有任何灯点亮。我希望这能澄清！