Help us understand the problem. What is going on with this article?

NuPIC Encoders

More than 1 year has passed since last update.

Scalar Encoders

 入力値をSpatial Poolingの処理をかける前に、入力値をEncoderを使ってビットの並びに変換する必要がある。

ScalarEncoder

 数値をビットにエンコードする。

class nupic.encoders.scalar.ScalarEncoder(w,minval, maxval, periodic=False, n=0, radius=0, resolution=0, name=None, verbosity=0, clipInput=False, forced=False)
w
エンコード後のビットを立てる幅を指定する。
minval
入力の最小値。
maxval
入力の最大値
periodic
”True”にすると、ビットがwrap aroundな立ち方(例[100011])をするようになり、またmaxval値以上の入力の場合にエラーとする。周期的な値をとる入力に用いる。
n
エンコード後のビットの数を指定する。
radius
2つの入力値が指定した値以上離れていれば、ビットが重ならないことを保障する。
resolution
エンコード後の表現が識別可能になる粒度。例えば、1であれば入力値が1単位でエンコード後の表現が識別可能になる(0.5単位では識別できない)。
forced
wの値は21以上の数値を設定しないと値のチェックでエラーになる。"True"にすることによってチェックを無視する。

※n, radius, resolutionのパラメータはいずれか1つのみ指定が可能。

使用例

from nupic.encoders.scalar import ScalarEncoder

scalarEncoder = ScalarEncoder(w = 3, 
                              minval = 1,
                              maxval = 10, 
                              periodic = False,
                              #n = 12, 
                              #radius = 3,
                              resolution = 1,
                              forced = True)

#resolutionが1のため、1と2の識別は可能
print '  1', scalarEncoder.encode(1)
print '  2', scalarEncoder.encode(2)
#識別可能な場合はbucket indexも異なる
print 'bucket index(   1):',  scalarEncoder.getBucketIndices(1)
print 'bucket index(   2):',  scalarEncoder.getBucketIndices(2)
#1と4はビットが重ならなくなる
print '  4', scalarEncoder.encode(4)
#resolutionが1のため、5.5と6の識別は不可能
print '5.5', scalarEncoder.encode(5.5)
print '  6', scalarEncoder.encode(6)
#識別が不可能な時はbucket indexは同じになる
print 'bucket index(5.5):',  scalarEncoder.getBucketIndices(5.5)
print 'bucket index(   6):',  scalarEncoder.getBucketIndices(6)
#入力値の範囲外のためエラー
try:
  print '11', scalarEncoder.encode(11)
except Exception as e:
  print e

 この例ではw=3, minval=1, maxval=10, resolution=1としている。
よって、ビット数(n)は12、重複無くビットを配列するには(radius)3以上離れていれば良い。

出力結果
   1 [1 1 1 0 0 0 0 0 0 0 0 0]
   2 [0 1 1 1 0 0 0 0 0 0 0 0]
bucket index(   1): [0]
bucket index(   2): [1]
   4 [0 0 0 1 1 1 0 0 0 0 0 0]
 5.5 [0 0 0 0 0 1 1 1 0 0 0 0]
   6 [0 0 0 0 0 1 1 1 0 0 0 0]
bucket index(  5.5): [5]
bucket index(   6): [5]
  11 input (11) greater than range (1 - 10)

AdaptiveScalarEncoder

 処理内容は基本的にはScalarEncoderと同じ。ただし、こちらはminvalとmaxvalを動的に割り当てることが可能である。minvalとmaxvalを指定せずにインスタンスを作成すると、入力値100個の第1から第99のパーセンタイルを基にこれらを設定する。

class nupic.encoders.adaptive_scalar.AdaptiveScalarEncoder(w, minval=None, maxval=None, periodic=False, n=0, radius=0, resolution=0, name=None, verbosity=0, clipInput=True, forced=False)

 パラメータはScalarEncoderと同じ。ただし、インスタンスを生成する際はnを指定する。(ScalarEncoderはn, radius, resolutionのいずれかであった)

使用例

from nupic.encoders.adaptive_scalar import AdaptiveScalarEncoder

#過去の入力値を基にパラメータが変化していることを確認するため、インスタンスを2つ生成する
adaptiveScalarEncoder1 = AdaptiveScalarEncoder(w = 3,
                                               n = 12,
                                               forced = True)

adaptiveScalarEncoder2 = AdaptiveScalarEncoder(w = 3,
                                               n = 12,
                                               forced = True)

#入力値の順序によって結果が異なる
print '  1', adaptiveScalarEncoder1.encode(1)
print '1.5', adaptiveScalarEncoder1.encode(1.5)
print ' 10', adaptiveScalarEncoder1.encode(10)
print ' 11', adaptiveScalarEncoder1.encode(11)
print '100', adaptiveScalarEncoder1.encode(100)
print ' 50', adaptiveScalarEncoder1.encode(50)

print '100', adaptiveScalarEncoder2.encode(100)
print '  1', adaptiveScalarEncoder2.encode(1)
print '1.5', adaptiveScalarEncoder2.encode(1.5)
print ' 10', adaptiveScalarEncoder2.encode(10)
print ' 11', adaptiveScalarEncoder2.encode(11)
print '100', adaptiveScalarEncoder2.encode(100)

 入力値を基に、出力のビットの位置を調整していることがわかる。

出力結果
  1 [1 1 1 0 0 0 0 0 0 0 0 0]
1.5 [0 0 0 0 0 1 1 1 0 0 0 0]
 10 [0 0 0 0 0 0 0 0 0 1 1 1]
 11 [0 0 0 0 0 0 0 0 0 1 1 1]
100 [0 0 0 0 0 0 0 0 0 1 1 1]
 50 [0 0 0 0 1 1 1 0 0 0 0 0]

100 [1 1 1 0 0 0 0 0 0 0 0 0]
  1 [1 1 1 0 0 0 0 0 0 0 0 0]
1.5 [1 1 1 0 0 0 0 0 0 0 0 0]
 10 [0 1 1 1 0 0 0 0 0 0 0 0]
 11 [0 1 1 1 0 0 0 0 0 0 0 0]
100 [0 0 0 0 0 0 0 0 0 1 1 1]

RandomDistributedScalarEncoder

 数値をrandom distributed representationに変換する。ScalarEncoderと違い、入力の最小値と最大値の範囲は動的に変化させることが可能。インスタンスを作成する際のパラメータはresolutionだけでよい。
random distributed representationの特徴として、bucket indexが近いもの同士のビットには重なりが多い。つまり、2つの入力値の差が小さいほどビットの重なりは増え、逆に差が大きいとビットの重なりは減る。この関係を表したのが以下の擬似コードである。これはbucket index iとjにおいて、それらの絶対値がw(立てるビット数)未満であればw - |i - j|の重なりが生じ、一方絶対値がw以上であれば重なりがないことを示している。

If abs(i-j) < w then:
  overlap(i,j) = w - abs(i-j)
else:
  overlap(i,j) <= maxOverlap

 なお、インスタンスが作成されてから削除されるまでは、ビットの表現に変化はない。

class nupic.encoders.random_distributed_scalar.RandomDistributedScalarEncoder(resolution, w=21, n=400, name=None, offset=None, seed=42, verbosity=0)
offset
中央のbucket index(500)の取りうる値の範囲を決定するための基点の値を指定する。たとえば、resolution=7でoffset=1の場合、中央のbucket(bucket indexは500)が取りうる値の範囲は、offset - resolution/2 < x < offset + resolution/2で求められるから、-2.5 < x < 4.5となる。

使用例

from nupic.encoders.random_distributed_scalar import RandomDistributedScalarEncoder
import numpy as np

#入力値のresolution(粒度)を1、offset(入力値の中央の値:bucketの中央になる)を1と指定して、インスタンスを作成する
#w, nは未指定の場合、それぞれ21, 400となる
randomDistributedScalarEncoder1 = RandomDistributedScalarEncoder(resolution = 1,
                                                                 offset = 1)

#入力値1は中央のbucketのため、bucket indexは500となる。(取りうるbucket indexの範囲は0〜999。これはn, wを変えても変わらない)
print 'bucket index(     1):', randomDistributedScalarEncoder1.getBucketIndices(1)

#識別可能な表現の最大の入力値は500(=(999 - 500) * 1 + 1)
#(max bucket index - middle bucket index) * resolution + offset
#それより大きい入力値でもエラーにはならないが、識別不可能な表現となる
print 'bucket index( 500):', randomDistributedScalarEncoder1.getBucketIndices(500)
print 'bucket index( 501):', randomDistributedScalarEncoder1.getBucketIndices(501)

#識別可能な表現の最小の入力値は-499(=(0 - 500 * 1 + 1)
#それ未満の入力値でもエラーにはならないが、識別不可能な表現となる
print 'bucket index(-499):', randomDistributedScalarEncoder1.getBucketIndices(-499)
print 'bucket index(-500):', randomDistributedScalarEncoder1.getBucketIndices(-500)

#エンコード後のビットが立っている位置
print '       1 =>', np.nonzero(randomDistributedScalarEncoder1.encode(1))[0]
print '  500 =>', np.nonzero(randomDistributedScalarEncoder1.encode(500))[0]
print ' -500 =>', np.nonzero(randomDistributedScalarEncoder1.encode(-500))[0]

#bucket indexが1と5の重複しているビットの位置を求める(|1 - 5| < w)のケース
overlap_1_5 = np.nonzero(randomDistributedScalarEncoder1.encode(1) * randomDistributedScalarEncoder1.encode(5))
#重複しているビット数(21 - |1 - 5| = 17)
print 'overlap 1 and   5 => ', len(overlap_1_5[0])

#bucket indexが1と23の重複しているビットの位置を求める(|1 - 23| >= w)のケース
overlap_1_23 = np.nonzero(randomDistributedScalarEncoder1.encode(1) * randomDistributedScalarEncoder1.encode(23))
#重複しているビット数
print 'overlap 1 and 23 => ', len(overlap_1_23[0])


#インスタンス作成時にoffsetを指定しない場合、最初の入力値(2000)がoffsetとして採用される
randomDistributedScalarEncoder2 = RandomDistributedScalarEncoder(resolution = 100)
print 'bucket index(2000):', randomDistributedScalarEncoder2.getBucketIndices(2000)
print 'offset:', randomDistributedScalarEncoder2._offset

出力結果
bucket index(   1): [500]
bucket index( 500): [999]
bucket index( 501): [999]
bucket index(-499): [0]
bucket index(-500): [0]
    1 => [ 41  66  80  94 100 119 120 149 171 218 235 265 282 300 312 314 316 331 333 346 361]
  500 => [  7  20  38  61  87 108 111 128 163 174 197 213 215 243 267 268 294 304 316 320 380]
-500 => [  4  28  29  32  36  47  49  59  93 112 127 132 135 187 199 205 208 222 284 317 384]
overlap 1 and   5 =>  17
overlap 1 and  23 =>  0
bucket index(2000): [500]
offset: 2000

Category Encoders

SDRCategoryEncoder

 リストに格納された複数の文字列(カテゴリ)をエンコードする。リスト内に定義されていないカテゴリについては、すべて同一の表現にエンコードされる。

class nupic.encoders.sdr_category.SDRCategoryEncoder(n, w, categoryList=None, name='category', verbosity=0, encoderSeed=1, forced=False)
categoryList
エンコードするリストを指定。未指定であれば、遭遇したものを自動的に追加していく。

使用例

from nupic.encoders.sdr_category import SDRCategoryEncoder

list = ['ruby', 'python', 'java']

categoryEncoder1 = SDRCategoryEncoder(n = 10,
                                      w = 3,
                                      categoryList = list,
                                      forced = True)

#リストに定義されてる文字列は識別可能な表現になる
print 'ruby   :', categoryEncoder1.encode('ruby')
print 'python :', categoryEncoder1.encode('python')
print 'java   :', categoryEncoder1.encode('java')

#リストに定義されていない文字列は全て同じ表現になり、識別不可能
print 'perl   :', categoryEncoder1.encode('perl')
print '       :', categoryEncoder1.encode('')

#インスタンス作成時にリストを指定しないと、遭遇したものを自動的に追加する。
categoryEncoder2 = SDRCategoryEncoder(n = 10,
                                      w = 3,
                                      forced = True)

print 'ruby   :', categoryEncoder2.encode('ruby')
print 'python :', categoryEncoder2.encode('python')
print 'java   :', categoryEncoder2.encode('java')
print 'perl   :', categoryEncoder2.encode('perl')
print '       :', categoryEncoder2.encode('')
出力結果
ruby   : [1 1 0 1 0 0 0 0 0 0]
python : [0 1 0 0 0 0 0 1 1 0]
java   : [0 0 0 1 0 0 0 1 0 1]
perl   : [0 1 0 0 1 0 1 0 0 0]
       : [0 1 0 0 1 0 1 0 0 0]

ruby   : [1 1 0 1 0 0 0 0 0 0]
python : [0 1 0 0 0 0 0 1 1 0]
java   : [0 0 0 1 0 0 0 1 0 1]
perl   : [0 0 0 0 1 1 0 0 0 1]
       : [1 0 0 1 0 0 1 0 0 0]
Why not register and get more from Qiita?
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away
Comments
No comments
Sign up for free and join this conversation.
If you already have a Qiita account
Why do not you register as a user and use Qiita more conveniently?
You need to log in to use this function. Qiita can be used more conveniently after logging in.
You seem to be reading articles frequently this month. Qiita can be used more conveniently after logging in.
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away
ユーザーは見つかりませんでした