查看: 3524|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;0 p7 C5 M, E5 E' V2 [. a
# V* V4 e6 k- g' I* O
import java.io.File;9 U9 K; `9 j! ]+ A* ^: n
import java.io.FileInputStream;
8 C1 K1 m/ _2 k
import java.io.FileOutputStream;
9 i: \: _. v2 ]: p# Q# B; R
import java.io.IOException;' s# m\\" [* Q) ~% R3 j
import java.io.ObjectInputStream;) e1 ]% q. S, O\\" M# ^4 r6 U
import java.io.ObjectOutputStream;
\\" P6 m5 K. o\\" v& L& D
' E. V' a5 I! g\\" ^* v2 I% X
public class BPFactory {
2 w l5 u5 c* i: U) ~* Q5 B
/**1 \+ k7 t; h& j' z. i
* BP神经网络元
% v! s. T8 p5 q# U8 s: B+ h8 E
*/
) N) e+ t6 S1 p* r, c* |6 s3 D
private static BP bp;2 ]9 n/ o, M& L2 d9 _\\" W
# _' e( n7 ~+ [) L
/**' q. u' I2 N/ ~/ e( m4 _
* 初始化一个全新的bp神经网络7 u7 E+ }: J a
* @param inputSize
# c9 f8 S7 ] J% ~
* @param hiddenSize 8 A% Y0 D: S9 ^
* @param outputSize
* C7 Z2 ~/ [9 U3 `, p: r. ?. `' O
*/% ^4 x\\" |\\" L ]. K0 k; t
public static void initialization(int inputSize,int hiddenSize,int outputSize) {
$ h/ q5 r\\" c6 p
bp=new BP(inputSize, hiddenSize, outputSize);
- ]& J: C! c% x$ n, V\\" N$ c
} t: q- h/ P# J5 g) h
9 ~0 n: j- P. \1 y; E) o2 k
/**
/ j\\" j# w* @7 a
* 从文件数据中读取bp神经网络
. P9 E0 B; ]4 Y9 J% w\\" W
* @param file
* ~! |2 s: f# j5 g- B1 O: t7 r
* @throws IOException
9 g6 P+ P; i9 r5 s
* @throws ClassNotFoundException
% y5 L' k; A- D! S8 J
*/
* m/ ^) Y8 ~' e' j& R
public static void initialization(File file) throws IOException, ClassNotFoundException {: f* s0 O! ?; \! I6 O
FileInputStream fi = new FileInputStream(file);) U( \- B# w* Y\\" w' l7 O+ I8 H
ObjectInputStream si = new ObjectInputStream(fi);
+ p. L3 [, z) u/ o1 ~* M
bp = (BP) si.readObject();
$ O5 t' Y: V O. Y! B/ y
si.close();' I4 b, @' S9 E0 q$ _0 W
}1 c) T7 V9 k; m g
6 b' n9 i! m. f9 j/ t+ @& y6 J
/**7 L& k! R4 u m) K
* 将目前的神经网络储存在指定文件* R/ A p\\" Y5 A7 a
* @param file
8 o- \0 f0 V4 v2 F% e
* @throws IOException5 L% I6 A4 u/ w
*/- y, s! X, y8 u4 w0 |
public static void save(File file) throws IOException {
% r- ^6 q/ f, r9 x% _/ Z
FileOutputStream fo = new FileOutputStream(file);
9 X8 U* t1 `6 @% q( _
ObjectOutputStream so = new ObjectOutputStream(fo);1 `: P0 S, f0 J- F8 G$ y( K2 Q
so.writeObject(bp);
2 j* y `; o* I! X8 R4 d
so.close();
5 t$ J5 t( s! }
}
' g$ Z7 I- ]# F
3 [8 F8 m s' L
/**; U$ L1 d2 `: G3 \& E- l
* 训练BP神经网络
. p/ \9 c5 i4 o3 [' m' p\\" G T
* @param trainData
6 H& p& k3 Q/ C6 W, d, D( S
* @param target
- B6 O3 v5 g1 |! c3 e+ T! D
*/* D6 `& l* \& `$ U9 R
public static void train(double[] trainData, double[] target) {
* p S5 N/ X$ i! D4 t
bp.train(trainData, target);
9 A- l9 E7 r\\" s; G% b; O0 I
}) N9 _0 D) k3 ?6 ?
2 @4 \7 S, ~' @& O, ?
/**) f5 ~' W! U7 L' S
* 要求bp神经网络返回预测值7 Y\\" |! ~& ?\\" Y
* @param inData% L8 y0 A3 G2 f# P$ t! h7 ~
* @return$ Y7 P/ y\\" [1 O& X3 t& O, @
*/
( g& S4 n2 ], h
public static double[] test(double[] inData) {) a! W8 N: T3 y7 m
return bp.test(inData);
6 Z3 f. n. a$ j% f. [, ~3 L
}* J. X3 v, R- f
}

package ghost.writer.logic;0 p7 C5 M, E5 E' V2 [. a

# V* V4 e6 k- g' I* O
import java.io.File;9 U9 K; `9 j! ]+ A* ^: n

import java.io.FileInputStream; 
8 C1 K1 m/ _2 k
import java.io.FileOutputStream; 
9 i: \: _. v2 ]: p# Q# B; R
import java.io.IOException;' s# m\\" [* Q) ~% R3 j

import java.io.ObjectInputStream;) e1 ]% q. S, O\\" M# ^4 r6 U

import java.io.ObjectOutputStream; 
\\" P6 m5 K. o\\" v& L& D
 
' E. V' a5 I! g\\" ^* v2 I% X
public class BPFactory { 
2 w  l5 u5 c* i: U) ~* Q5 B
        /**1 \+ k7 t; h& j' z. i

* BP神经网络元 
% v! s. T8 p5 q# U8 s: B+ h8 E
         */ 
) N) e+ t6 S1 p* r, c* |6 s3 D
        private static BP bp;2 ]9 n/ o, M& L2 d9 _\\" W

# _' e( n7 ~+ [) L

/**' q. u' I2 N/ ~/ e( m4 _

* 初始化一个全新的bp神经网络7 u7 E+ }: J  a

* @param inputSize 
# c9 f8 S7 ]  J% ~
         * @param hiddenSize 8 A% Y0 D: S9 ^

* @param outputSize 
* C7 Z2 ~/ [9 U3 `, p: r. ?. `' O
         */% ^4 x\\" |\\" L  ]. K0 k; t

public static void initialization(int inputSize,int hiddenSize,int outputSize) { 
$ h/ q5 r\\" c6 p
                bp=new BP(inputSize, hiddenSize, outputSize); 
- ]& J: C! c% x$ n, V\\" N$ c
        }  t: q- h/ P# J5 g) h

9 ~0 n: j- P. \1 y; E) o2 k
        /** 
/ j\\" j# w* @7 a
         * 从文件数据中读取bp神经网络 
. P9 E0 B; ]4 Y9 J% w\\" W
         * @param file 
* ~! |2 s: f# j5 g- B1 O: t7 r
         * @throws IOException 
9 g6 P+ P; i9 r5 s
         * @throws ClassNotFoundException 
% y5 L' k; A- D! S8 J
         */ 
* m/ ^) Y8 ~' e' j& R
        public static void initialization(File file) throws IOException, ClassNotFoundException {: f* s0 O! ?; \! I6 O

FileInputStream fi = new FileInputStream(file);) U( \- B# w* Y\\" w' l7 O+ I8 H

ObjectInputStream si = new ObjectInputStream(fi); 
+ p. L3 [, z) u/ o1 ~* M
                bp = (BP) si.readObject(); 
$ O5 t' Y: V  O. Y! B/ y
                si.close();' I4 b, @' S9 E0 q$ _0 W

}1 c) T7 V9 k; m  g

6 b' n9 i! m. f9 j/ t+ @& y6 J
        /**7 L& k! R4 u  m) K

* 将目前的神经网络储存在指定文件* R/ A  p\\" Y5 A7 a

* @param file 
8 o- \0 f0 V4 v2 F% e
         * @throws IOException5 L% I6 A4 u/ w

*/- y, s! X, y8 u4 w0 |

public static void save(File file) throws IOException { 
% r- ^6 q/ f, r9 x% _/ Z
                FileOutputStream fo = new FileOutputStream(file); 
9 X8 U* t1 `6 @% q( _
                ObjectOutputStream so = new ObjectOutputStream(fo);1 `: P0 S, f0 J- F8 G$ y( K2 Q

so.writeObject(bp); 
2 j* y  `; o* I! X8 R4 d
                so.close(); 
5 t$ J5 t( s! }
        } 
' g$ Z7 I- ]# F
        
3 [8 F8 m  s' L
        /**; U$ L1 d2 `: G3 \& E- l

* 训练BP神经网络 
. p/ \9 c5 i4 o3 [' m' p\\" G  T
         * @param trainData 
6 H& p& k3 Q/ C6 W, d, D( S
         * @param target 
- B6 O3 v5 g1 |! c3 e+ T! D
         */* D6 `& l* \& `$ U9 R

public static void train(double[] trainData, double[] target) { 
* p  S5 N/ X$ i! D4 t
                bp.train(trainData, target); 
9 A- l9 E7 r\\" s; G% b; O0 I
        }) N9 _0 D) k3 ?6 ?

2 @4 \7 S, ~' @& O, ?

/**) f5 ~' W! U7 L' S

* 要求bp神经网络返回预测值7 Y\\" |! ~& ?\\" Y

* @param inData% L8 y0 A3 G2 f# P$ t! h7 ~

* @return$ Y7 P/ y\\" [1 O& X3 t& O, @

*/ 
( g& S4 n2 ], h
        public static double[] test(double[] inData) {) a! W8 N: T3 y7 m

return bp.test(inData); 
6 Z3 f. n. a$ j% f. [, ~3 L
        }* J. X3 v, R- f

}

zan

网络