- tutorialを通して, Nupic の使い方を把握する
- 多分これ読んでないと何してるかよくわからんと思う.
- CLA White Paper
- だいたいここの通りにやればできた.
- nupic
- Using NuPIC
- ipython_notebook
- one_gym
- one_gym_anomaly
- sine_wave
- spatial_pooling
- temporal_pooling
- audiostream
- notebookにまとめてくれている.
- しかし, これは必要なもの探すときに使った方がいい.
cd ipython_notebook
ipython notebook
- どっかのジムのエネルギー消費量のデータを使って予測をしてみる.
- online predict frameworkを使っている.
- また, OPFのモデル作成には, swarmを使っている. これは, OPFと一セットと考えても良さそう.
cd one_gym
python swarm.py
python run.py
- one_gymにanomalyをつけたもの
- 最初は誤差が大きいが, 徐々に小さくなっていく.
- また, 見慣れないパターンが出てきたとき誤差が大きくなるが, 次第に落ち着く状態が見られる.
cd one_gym_anomaly
python swarm.py
python run.py
- 自分で作ったsin波形をOPFを使って予測する.
- 作られたのは, one_gym/one_gym_anomalyより後っぽい.
- データの対象が異なるだけで, やってることは, one_gym_anomalyと同じ
cd sine_wave
python experiment.py
- OPFを使わず, spatial_poolingを単体やってみる.
- これは, Sparse Distributed Representations(SDR)を作るための手法
cd one_gym_anomaly
python hello_sp.py
- OPFを使わず, temporal_poolingを単体やってみる.
- これは, 時系列パターンの予測をするための手法
cd one_gym_anomaly
python hello_tp.py
- マイクから入力した音をTPの入力として, 予測を行うtutorial.
- 周波数成分を入力としてる
- 音 -> sampling値 -> 含まれる周波数 -> input
- OPFを使わず, temporal_pooling飲み使っている.
- マイク持ってないから, 音源ファイルを取り込む形にした.
- pyaudioを使っているため, 以下をinstallする必要があった.
brew install portaudio
pip install pyaudio
cd audiostream
python audiostream.py
- OPFを使って, 分類をしてみる.
- 予測するときは, カテゴリを入力せずに予測するため,
- モデルでは classifierOnly=Trueとして, sensorには入力しないようにする.
- これを使うと, cla-classifierでのみ使われる.
cd cla_classifier
python run_class.py
-
概要
- OPFを使わず, network apiを使ってみる.
- ここを参考にしている.
- OPFの劣化コピーになってしまったが, 自前のネットワークを作ることは出来るようになった.
- やってみたタスクは, 分類と予測の2つ.
- でかくなりすぎたので, nupic_function_recognition に移動する.
-
実行方法
cd network_api
python function_prediction.py
- 分類
- nupic.coreを動かしてみる.
- ビルドは, ここの通り.