查看: 3326|回复: 4

BP神经网络学习机器演示

字体大小: 正常放大

5 主题	9 听众	24 积分

升级 20%

TA的每日心情

	开心 2014-4-16 14:59

签到天数: 3 天

[LV.2]偶尔看看I

自我介绍: 新者上路

电梯直达

1^#

发表于 2014-4-12 14:13 |只看该作者 |倒序浏览

|招呼Ta 关注Ta

采用文件保存数据，基于BP神经网络，可以自行调节隐含层的节点数以调节识别准确率
注意：由于是个人开发测试识别率并不高，很多地方的匹配识别算法等都是最简单的那种，需要的人可以自己优化，识别和学习是需要先点“其他”按钮进行格式化面板才能继续操作

package ghost.writer.logic;5 W8 _& a1 p# g* j
; Q. f5 H7 O9 u' z2 K) X5 N
import java.io.File;- _7 n' P/ Z$ E, ]4 u9 b. f
import java.io.FileInputStream;
8 J; i% y0 k# y0 m& ~: f
import java.io.FileOutputStream;
) Q6 g6 ~- t) @# x ~/ T- ]% n
import java.io.IOException;4 ]) X4 Q8 k) {* y: L5 ?
import java.io.ObjectInputStream;5 R. g1 R\\" q0 c I\\" v8 J) Y$ ^9 `
import java.io.ObjectOutputStream;
1 D\\" t3 P4 _5 H6 p% M
8 w0 K2 _0 E2 W* p! `) M
public class BPFactory {. O( ?( }8 g\\" E g
/**
/ Q% ] y a2 G- x% m* S1 i v/ u
* BP神经网络元8 C' f+ T( c9 n% M\\" L9 Y( @
*/
' i) C\\" s. F1 |8 O. G0 y# I
private static BP bp;8 d2 r- D# O5 y3 M2 c5 o# U
( j2 ?* g% Z- ~- u! _/ b
/**
2 B6 e7 ^- z5 u. \
* 初始化一个全新的bp神经网络# K5 {4 \! J- a u$ r: y
* @param inputSize
9 t, ?4 S$ d8 S% f- w1 e
* @param hiddenSize
, z) `; V% b* P H5 Q% Z# k8 j
* @param outputSize
$ [9 ?( H* O, n# `7 |; E
*/& {. v- N6 }# c) @4 T
public static void initialization(int inputSize,int hiddenSize,int outputSize) {
7 z H( e, c! _
bp=new BP(inputSize, hiddenSize, outputSize);
. N4 R( d* J! H( O
}* A6 g( ?\\" y1 k2 v) |3 b$ Q7 v
0 Q$ Z& S+ |0 s1 K# z& v- a
/**6 s! `6 Y) w- N- E9 d, V. i
* 从文件数据中读取bp神经网络1 G8 D6 h7 a# g8 _& {
* @param file, N2 e$ W) @9 t5 x$ v+ o4 r
* @throws IOException2 q( B$ B5 ~; i& A% d' B' ]
* @throws ClassNotFoundException- ~% j# N5 ^& |. [+ }
*/$ f. X3 n# |0 ^# h
public static void initialization(File file) throws IOException, ClassNotFoundException {' y6 C5 k. f$ u- n' G6 U
FileInputStream fi = new FileInputStream(file);( B6 b* o) m$ V5 | Q+ V# G0 v
ObjectInputStream si = new ObjectInputStream(fi);
% C/ @2 j5 m; X) S0 n0 z* c
bp = (BP) si.readObject();
7 a& W) D: o: X7 S1 H6 g\\" s
si.close();
; [& B0 }# a\\" c
}
! D3 I6 D& D8 I* P5 V
6 J! |8 Z: i- o\\" ]
/**3 @& U+ b: n! l' P! S
* 将目前的神经网络储存在指定文件
@- n0 e& x, c. S( N6 J5 t5 q
* @param file
/ o& ^0 R4 l\\" F% ^4 i6 e' D
* @throws IOException n\\" f o, S- i\\" G5 Y6 N& G
*/+ L' H7 s6 u- K; E* E
public static void save(File file) throws IOException {
5 C; q6 ]5 y: R8 T7 Q, \
FileOutputStream fo = new FileOutputStream(file);: L; P5 U( s5 A\\" p
ObjectOutputStream so = new ObjectOutputStream(fo);/ X0 [ t3 M* j: i. ]
so.writeObject(bp);* [; e& U, n- {+ s\\" O: O
so.close();
. p) L. X& q0 z- y
}( L7 ?\\" d' ~4 m/ o6 l
; x8 E( ]4 Y3 \6 A) Z
/**
\\" D6 I' H7 R8 j\\" R4 o\\" N k
* 训练BP神经网络
$ H, V; Z7 n\\" n
* @param trainData
) a& G1 n5 p! u5 b+ \
* @param target; l7 B! m' I5 |\\" N2 J+ k0 r
*/9 X u9 O\\" m- D9 ^/ N3 q
public static void train(double[] trainData, double[] target) {
2 d, a8 ^% f4 }4 ^3 ^; o
bp.train(trainData, target);
6 f7 o) d: C! n) ^# ^ D
}* S1 k1 [% \) z6 q# F8 K9 | W
! F. x. f( h. e$ b7 N) @
/**
7 i- ^* }, c/ W- M# t, q: J$ G
* 要求bp神经网络返回预测值
3 w2 ?) B2 J* g4 i( F
* @param inData
- b$ ]% `9 Z# M/ p9 Z
* @return
0 r( k+ S4 V/ ?0 T$ U- {8 r7 T
*/$ s: }3 B% d: i; n+ ?
public static double[] test(double[] inData) {
0 q3 i( d$ T- F* U7 G1 Q
return bp.test(inData);
, r. {1 H0 B! X: W
}# X4 e' D- V. Q( n1 c! e7 E
}

package ghost.writer.logic;5 W8 _& a1 p# g* j

; Q. f5 H7 O9 u' z2 K) X5 N

import java.io.File;- _7 n' P/ Z$ E, ]4 u9 b. f

import java.io.FileInputStream; 
8 J; i% y0 k# y0 m& ~: f
import java.io.FileOutputStream; 
) Q6 g6 ~- t) @# x  ~/ T- ]% n
import java.io.IOException;4 ]) X4 Q8 k) {* y: L5 ?

import java.io.ObjectInputStream;5 R. g1 R\\" q0 c  I\\" v8 J) Y$ ^9 `

import java.io.ObjectOutputStream; 
1 D\\" t3 P4 _5 H6 p% M
 
8 w0 K2 _0 E2 W* p! `) M
public class BPFactory {. O( ?( }8 g\\" E  g

/** 
/ Q% ]  y  a2 G- x% m* S1 i  v/ u
         * BP神经网络元8 C' f+ T( c9 n% M\\" L9 Y( @

*/ 
' i) C\\" s. F1 |8 O. G0 y# I
        private static BP bp;8 d2 r- D# O5 y3 M2 c5 o# U

( j2 ?* g% Z- ~- u! _/ b
        /** 
2 B6 e7 ^- z5 u. \
         * 初始化一个全新的bp神经网络# K5 {4 \! J- a  u$ r: y

* @param inputSize 
9 t, ?4 S$ d8 S% f- w1 e
         * @param hiddenSize 
, z) `; V% b* P  H5 Q% Z# k8 j
         * @param outputSize 
$ [9 ?( H* O, n# `7 |; E
         */& {. v- N6 }# c) @4 T

public static void initialization(int inputSize,int hiddenSize,int outputSize) { 
7 z  H( e, c! _
                bp=new BP(inputSize, hiddenSize, outputSize); 
. N4 R( d* J! H( O
        }* A6 g( ?\\" y1 k2 v) |3 b$ Q7 v

0 Q$ Z& S+ |0 s1 K# z& v- a

/**6 s! `6 Y) w- N- E9 d, V. i

* 从文件数据中读取bp神经网络1 G8 D6 h7 a# g8 _& {

* @param file, N2 e$ W) @9 t5 x$ v+ o4 r

* @throws IOException2 q( B$ B5 ~; i& A% d' B' ]

* @throws ClassNotFoundException- ~% j# N5 ^& |. [+ }

*/$ f. X3 n# |0 ^# h

public static void initialization(File file) throws IOException, ClassNotFoundException {' y6 C5 k. f$ u- n' G6 U

FileInputStream fi = new FileInputStream(file);( B6 b* o) m$ V5 |  Q+ V# G0 v

ObjectInputStream si = new ObjectInputStream(fi); 
% C/ @2 j5 m; X) S0 n0 z* c
                bp = (BP) si.readObject(); 
7 a& W) D: o: X7 S1 H6 g\\" s
                si.close(); 
; [& B0 }# a\\" c
        } 
! D3 I6 D& D8 I* P5 V
        
6 J! |8 Z: i- o\\" ]
        /**3 @& U+ b: n! l' P! S

* 将目前的神经网络储存在指定文件 
  @- n0 e& x, c. S( N6 J5 t5 q
         * @param file 
/ o& ^0 R4 l\\" F% ^4 i6 e' D
         * @throws IOException  n\\" f  o, S- i\\" G5 Y6 N& G

*/+ L' H7 s6 u- K; E* E

public static void save(File file) throws IOException { 
5 C; q6 ]5 y: R8 T7 Q, \
                FileOutputStream fo = new FileOutputStream(file);: L; P5 U( s5 A\\" p

ObjectOutputStream so = new ObjectOutputStream(fo);/ X0 [  t3 M* j: i. ]

so.writeObject(bp);* [; e& U, n- {+ s\\" O: O

so.close(); 
. p) L. X& q0 z- y
        }( L7 ?\\" d' ~4 m/ o6 l

; x8 E( ]4 Y3 \6 A) Z
        /** 
\\" D6 I' H7 R8 j\\" R4 o\\" N  k
         * 训练BP神经网络 
$ H, V; Z7 n\\" n
         * @param trainData 
) a& G1 n5 p! u5 b+ \
         * @param target; l7 B! m' I5 |\\" N2 J+ k0 r

*/9 X  u9 O\\" m- D9 ^/ N3 q

public static void train(double[] trainData, double[] target) { 
2 d, a8 ^% f4 }4 ^3 ^; o
                bp.train(trainData, target); 
6 f7 o) d: C! n) ^# ^  D
        }* S1 k1 [% \) z6 q# F8 K9 |  W

! F. x. f( h. e$ b7 N) @

/** 
7 i- ^* }, c/ W- M# t, q: J$ G
         * 要求bp神经网络返回预测值 
3 w2 ?) B2 J* g4 i( F
         * @param inData 
- b$ ]% `9 Z# M/ p9 Z
         * @return 
0 r( k+ S4 V/ ?0 T$ U- {8 r7 T
         */$ s: }3 B% d: i; n+ ?

public static double[] test(double[] inData) { 
0 q3 i( d$ T- F* U7 G1 Q
                return bp.test(inData); 
, r. {1 H0 B! X: W
        }# X4 e' D- V. Q( n1 c! e7 E

}

zan

网络