我在PyBrain中有一个ClassificationDataSet，我已经用合适的数据进行了训练。具体来说，输入数据如下：

trainSet.addSample([0,0,0,0],[1])trainSet.addSample([0,0,0,1],[0])trainSet.addSample([0,0,1,0],[0])trainSet.addSample([0,0,1,1],[1])trainSet.addSample([0,1,0,0],[0])trainSet.addSample([0,1,0,1],[1])trainSet.addSample([0,1,1,0],[1])trainSet.addSample([0,1,1,1],[0])trainSet.addSample([1,0,0,0],[0])trainSet.addSample([1,0,0,1],[1])

模式很简单。如果1的数量是偶数，则输出应为1，否则为0。我想运行以下输入：

[1,0,0,1],[1][1,1,0,1],[0][1,0,1,1],[0][1,0,1,0],[1]

并查看神经网络是否能识别出这个模式。如前所述，我已经训练了网络。我如何使用上述输入来验证它呢？

感谢您的宝贵时间！

回答：

首先，您需要创建一个网络并用您的数据集进行训练。

然后，您需要使用activate来获取输入的结果，并测试它是否与期望的输出相匹配。

一种简单的方法是：

testOutput = { [1,0,0,1] : [1], [1,1,0,1] : [0], [1,0,1,1]:[0], [1,0,1,0]:[1] }for input, expectedOutput in testInput.items():    output = net.activate(input)    if output != expectedOutput:        print "{} didn't match the desired output."         print "Expected {}, got {}".format(input, expectedOutput, output)