在好例子网,分享、交流、成长!
您当前所在位置:首页C# 开发实例Windows系统编程 → java 神经网络_源代码

java 神经网络_源代码

Windows系统编程

下载此实例
  • 开发语言:C#
  • 实例大小:0.33M
  • 下载次数:15
  • 浏览次数:314
  • 发布时间:2017-05-02
  • 实例类别:Windows系统编程
  • 发 布 人:zswleilei
  • 文件格式:.7z
  • 所需积分:6
 相关标签: 网络 源代码 代码 手写

实例介绍

【实例简介】 自己动手写神经网络_源代码
【实例截图】


【核心代码】

package geym.nn.mlperceptron;

import java.util.Arrays;
import java.util.Random;

import org.neuroph.core.NeuralNetwork;
import org.neuroph.core.data.DataSet;
import org.neuroph.core.data.DataSetRow;
import org.neuroph.core.events.LearningEvent;
import org.neuroph.core.events.LearningEventListener;
import org.neuroph.core.learning.LearningRule;
import org.neuroph.nnet.learning.BackPropagation;
import org.neuroph.nnet.learning.MomentumBackpropagation;
import org.neuroph.util.TransferFunctionType;

public class MomentumParityCheck  implements LearningEventListener{

	public static void main(String[] args) {
		
		new MomentumParityCheck().run();
	}
	
	public static double[] int2double(int i){
		double[] re=new double[32];
		for(int j=0;j<32;j  ){
			re[j]=(double)((i>>j)&1);
		}
		return re;
	}
	
	public static String networkOutputDisplay(double[] networkOutput){
		if(((int)networkOutput[3])==1)return "正偶数";
		if(((int)networkOutput[2])==1)return "负偶数";
		if(((int)networkOutput[1])==1)return "正奇数";
		if(((int)networkOutput[0])==1)return "负奇数";
		return "未知";
	}
	
	public static String correctClassify(int i){
		if(i>0 && i%2==0){
			return "正偶数";
		}else if(i<0 && i%2==0){
			return "负偶数";
		}else if(i>0 && i%2!=0){
			return "正奇数";
		}else if(i<0 && i%2!=0){
			return "负奇数";
		}
		return "0";
	}
	
	/**
	 * 0001  正偶数
	 * 0010  负偶数
	 * 0100  正奇数
	 * 1000  负奇数
	 * @param i
	 * @return
	 */
	public static double[] int2prop(int i){
		double[] pe={0d,0d,0d,1d};
		double[] ne={0d,0d,1d,0d};
		double[] po={0d,1d,0d,0d};
		double[] no={1d,0d,0d,0d};
		if(i>0 && i%2==0){
			return pe;
		}else if(i<0 && i%2==0){
			return ne;
		}else if(i>0 && i%2!=0){
			return po;
		}else if(i<0 && i%2!=0){
			return no;
		}
		return pe;
	}

    public void run() {
    	
        DataSet trainingSet = new DataSet(32, 4);
        for(int i=0;i<2000;i  ){
        	int in=new Random().nextInt();
        	trainingSet.addRow(new DataSetRow(int2double(in), int2prop(in)));
        }
       
        // 创建神经网络 32个输入 10个神经元隐层 4个
        MlPerceptron myMlPerceptron = new MlPerceptronBinOutput(TransferFunctionType.SIGMOID, 32, 10, 4);
        myMlPerceptron.setLearningRule(new MomentumBackpropagation());

        LearningRule learningRule = myMlPerceptron.getLearningRule();
        learningRule.addListener(this);
        
        // learn the training set
        System.out.println("Training neural network...");
        myMlPerceptron.learn(trainingSet);

        // test perceptron
        System.out.println("Testing trained neural network");
        testNeuralNetwork(myMlPerceptron);

    }
    public static void testNeuralNetwork(NeuralNetwork neuralNet) {
    	int badcount=0;
    	int COUNT=50000;
    	for(int i=0;i<COUNT;i  ){
    		int in=new Random().nextInt();
    		double[] inputnumber=int2double(in);
    		neuralNet.setInput(inputnumber);
    		neuralNet.calculate();
    	    double[] networkOutput = neuralNet.getOutput();
    	    
    	    System.out.print("Input: "   in);
    	    String networkOutputDisplay=networkOutputDisplay(networkOutput);
    	    System.out.println(" Output: "   Arrays.toString( networkOutput)  networkOutputDisplay );
    	    String cc=correctClassify(in);
    	    if(!cc.equals(networkOutputDisplay)){
    	    	badcount  ;
    	    	System.out.print("判别错误:" in);
    	    	System.out.print(" correctClassify=" cc);
    	    	System.out.println(" networkOutputDisplay=" networkOutputDisplay);
    	    }
    	}
    	System.out.println("正确率:" (COUNT-badcount*1.0)/COUNT*100.0 "%");
    }
    
    @Override
    public void handleLearningEvent(LearningEvent event) {
        BackPropagation bp = (BackPropagation)event.getSource();
        System.out.println(bp.getCurrentIteration()   ". iteration : "  bp.getTotalNetworkError());
    }   
}

实例下载地址

java 神经网络_源代码

不能下载?内容有错? 点击这里报错 + 投诉 + 提问

好例子网口号:伸出你的我的手 — 分享

网友评论

发表评论

(您的评论需要经过审核才能显示)

查看所有0条评论>>

小贴士

感谢您为本站写下的评论,您的评论对其它用户来说具有重要的参考价值,所以请认真填写。

  • 类似“顶”、“沙发”之类没有营养的文字,对勤劳贡献的楼主来说是令人沮丧的反馈信息。
  • 相信您也不想看到一排文字/表情墙,所以请不要反馈意义不大的重复字符,也请尽量不要纯表情的回复。
  • 提问之前请再仔细看一遍楼主的说明,或许是您遗漏了。
  • 请勿到处挖坑绊人、招贴广告。既占空间让人厌烦,又没人会搭理,于人于己都无利。

关于好例子网

本站旨在为广大IT学习爱好者提供一个非营利性互相学习交流分享平台。本站所有资源都可以被免费获取学习研究。本站资源来自网友分享,对搜索内容的合法性不具有预见性、识别性、控制性,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,平台无法对用户传输的作品、信息、内容的权属或合法性、安全性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论平台是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二与二十三条之规定,若资源存在侵权或相关问题请联系本站客服人员,点此联系我们。关于更多版权及免责申明参见 版权及免责申明

;
报警