Я создаю другой проект с Keras, это развитие нейронной сети, основанной на предопределенных знаниях (описанных как правила IF-THEN), называемое Neurules. Я создал модуль Python для обучения каждого из моих нейронов / нейронов по заданному логическому выражению IF-THEN, и в конце концов мне нужно использовать Keras, чтобы создать его как сеть и повторно использовать эту модель.
Я уже тестировал один небольшой пример, и он сработал, все было добавлено вручную, веса и смещения. Теперь я обновил свой скрипт, и он дает мне JSON со всеми весами для добавления в Keras (работает до сих пор).
Вот моя проблема, у меня есть один первый слой с 20 нейрулами (нейроны, созданные из IF-THEN), но у меня есть только 2 возможных выхода, некоторые из нейронов / нейронов дают мне output[0]
некоторые из них output[1]
Я хочу добавить промежуточный слой, представляющий соединения OR.
например:.
Слой 1:
НЕЙРОН1, НЕЙРОН2, НЕЙРОН3
Output[0]
образован: NEURON1 or NEURON2
Output[1]
образован: NEURON2 or NEURON3
В моем первом небольшом примере я сделал следующее: я создал и обучил нейрон OR с помощью своего предварительно разработанного модуля python, а затем добавил второй слой. Затем я соединил записи вручную с нейронами OR (поместив веса в правильные соединения и установив 0, когда они не должны влиять на OR). Теперь у меня есть нечто большее, и я автоматизирую весь процесс.
Визуализация простой сети:
Буфер просто передает значение, ИЛИ выполняет операцию ИЛИ со входами.
Визуализация слоев
Как я могу создать лямбда-слой в Керасе, который принимает некоторые из выходов, обрабатывает логическое ИЛИ и подключается к одному из выходов?
Я нашел функцию Backend:
tf.keras.backend.any
, но я не могу использовать его до сих пор, как мне его использовать? Возможно в лямбда-слое, но как?
Мне нужно подключиться, например
(NEURON1 or NEURON4 or NEURON5)
-> output[0]
(NEURON3 or NEURON6 or NEURON7)
-> output[1]
В моей системе -1 представляет False, а 1 представляет True.
До сих пор я сохранял, какие нейроны используют каждый из 2-х выходов в массиве в формате JSON:
"secondLayerDescription": [
[0, 1, 4, 5, 6, 8, 12, 13, 14, 16, 18],
[2, 3, 7, 9, 10, 11, 15, 17, 19]
]
Я надеюсь, что кто-то может мне помочь:)
РЕДАКТИРОВАТЬ: Предоставляя обновление, я нашел решение через несколько дней, я разделяю свой слой на 2 слоя и работаю с ними с лямбда-слоями следующим образом:
def logical_or_layer(x):
"""Processing an OR operation"""
import keras.backend
#normalized to 0,1
aux_array = keras.backend.sign(x)
aux_array = keras.backend.relu(aux_array)
# OR operation
aux_array = keras.backend.any(aux_array)
# casting back the True/False to 1,0
aux_array = keras.backend.cast(aux_array, dtype='float32')
return aux_array
#this is the input tensor
inputs = Input(shape=(inputSize,))
#this is the Neurule layer
x = Dense(neurulesQt, activation='softsign')(inputs)
#after each neuron layer, the outputs need to be put into SIGNUM (-1 or 1)
x = Lambda(signumTransform, output_shape=lambda x:x, name='signumAfterNeurules')(x)
#separating into 2 (2 possible outputs)
layer_split0 = Lambda( lambda x: x[:, :end_output0], output_shape=(11, ), name='layer_split0')(x)
layer_split1 = Lambda( lambda x: x[:, start_output1:end_output1], output_shape=(9,), name='layer_split1')(x)
#this is the OR layer
y_0 = Lambda(logical_or_layer, output_shape=(1,), name='or0')(layer_split0)
y_1 = Lambda(logical_or_layer, output_shape=(1,), name='or1')(layer_split1)
Но у меня все еще есть проблемы, я не могу объединить их, я поднял новый вопрос на основе этой новой темы.