Es válida para entrenar una red neuronal una y otra vez con la nueva llegada de datos (incluyendo la poda después de cada nueva formación)?
I plan para recoger datos durante un período de tiempo, el tren/cv/prueba de las estructuras de redes de trabajo, luego otra vez a recoger nuevos datos y capacitar a los existentes y que ya ha recibido formación en red con los nuevos datos.
La predicción de series de tiempo de instalación, por ejemplo, se describe aquí, no caben, creo, como la entrada y la salida no es el mismo tipo de datos, es decir, las características de entrada son de volumen basado en la cuenta de un flujo de datos y la salida es una clase de etiqueta, así que no puedo solo "mover los datos a la izquierda".
Mis búsquedas en Google dio principalmente en los resultados con respecto a la "incremental vs lote" la formación de los pesos de un modelo o incremental de crecimiento de la capa oculta. Este papel parece ser lo que estoy buscando, pero todavía no estoy completamente seguro sobre el uso de redes neuronales recurrentes.
Yo también podría crear una nueva red para cada período de tiempo, pero lo voy a perder el conocimiento adquirido a partir de los períodos de tiempo anteriores.
Entonces, ¿qué te sugieren?
