Brain.js NaN培训结果

Question

我正在尝试训练一个网络，它的输入是包含一些预定义的值的特定字符串，稍后我将从数据库或JSON中提取这些值。我通过将每个字符的ACII值除以1000来标准化数据，这样就得到了一个介于输入字符串中每个字符的0到1之间的值数组。错误是，当我开始训练时，我得到了训练错误: NaN，奇怪的是，如果我只有一个输入，它就能工作，下面是代码。

var brain = require('brain.js');

function normalize(string){
  var input = [];
  for(let i=0; i<string.length; i++){
    input.push(string.charCodeAt(i)/1000);
  }
  return input;
}

function convert_ascii(ascii){
  var string = '';
  for(let i=0; i<ascii.length;i++){
    string += String.fromCharCode(ascii[i]*1000);
  }
  return string;
}

var string1 = normalize('Invoice Number IN-7688998788963');
var string2 = normalize('Invoice Date April 19, 2019');
var string3 =  normalize('Due Date May 3, 2019');
var string4 = normalize('Total Due $104.50');
var string5 = normalize('Sub Total $95.00');
var string6 = normalize('Tax $9.50');
const net = new brain.NeuralNetwork();
net.train([
  { input: string1, output: { invoice_num: 1 } },
  { input: string2, output: { date: 1 } },
  { input: string3, output: { due_date: 1 } },
  { input: string4, output: { total_due: 1 } },
  { input: string5, output: { sub_total: 1 } },
  { input: string6, output: { tax: 1 } }
], {
  log: detail => console.log(detail), iterations: 1500
});

let output = net.run(normalize('Invoice Number 1241341'));

console.log(output);

下面的代码可以工作：

var brain = require('brain.js');

function normalize(string){
  var input = [];
  for(let i=0; i<string.length; i++){
    input.push(string.charCodeAt(i)/1000);
  }
  return input;
}

function convert_ascii(ascii){
  var string = '';
  for(let i=0; i<ascii.length;i++){
    string += String.fromCharCode(ascii[i]*1000);
  }
  return string;
}

var string1 = normalize('Invoice Number IN-7688998788963');
var string2 = normalize('Invoice Date April 19, 2019');
var string3 =  normalize('Due Date May 3, 2019');
var string4 = normalize('Total Due $104.50');
var string5 = normalize('Sub Total $95.00');
var string6 = normalize('Tax $9.50');
const net = new brain.NeuralNetwork();
net.train([
  { input: string1, output: { invoice_num: 1 } }
], {
  log: detail => console.log(detail), iterations: 1500
});

let output = net.run(normalize('Invoice Number 1241341'));

console.log(output);

Answer 1

你有没有解决过NaN问题。我在net.biases，net.changes，net.deltas等上也得到了同样的结果。在训练和跑步之后，我总是得到NaN。

我将字符串转换为数字，然后对数组进行缓冲，使它们的长度相同。我见过这样的例子，文本作为对象键值被直接发送到列车中，但是一旦我离开给定的例子并尝试我自己的数据NaN。

有趣的是，在您的第二个示例中，您将标题包含在规范化字符串中，而不仅仅是数据值。这会对事情产生什么影响？

我意识到这是一段时间以前的事情了，从那以后你可能已经离开了，但也许你可以在我发疯之前给我一些启发，把我推向正确的方向:-)

Answer 2

我认为这与NeuralNetwork对象只有在所有神经元长度相同时才接受输入有关。我认为我见过的字符串输入示例使用了LSTM()，所以...

我改变了：

const net = new brain.NeuralNetwork()
net.train(/* your input / config here */)

至：

const net = new brain.recurrent.LSTM()
const train = net.train(/* your input / config here */)
console.log(train)

它在每次迭代中都会给我一个训练错误，并记录下来：

{error: 0.011269339231430813, iterations: 150}