查看: 3462|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;( d. K) S* ?9 v6 B
6 x* X# F7 n1 ~2 X4 R
import java.io.File;4 E- Z3 [+ d' U5 o h1 ?
import java.io.FileInputStream;
6 N3 L7 \' d/ P
import java.io.FileOutputStream;
( j3 \3 z( I2 h2 ~
import java.io.IOException;
3 W/ F9 n0 g: N* Q' q
import java.io.ObjectInputStream; E! F* j* c7 P0 i/ e& G# }
import java.io.ObjectOutputStream;
# `7 n8 O6 ^( {1 s\\" ?8 ~* Z* \
' D# X. z* y( Z7 K5 ]
public class BPFactory {& S: n4 k% B/ h3 s1 d9 a1 ~
/**$ y8 U, V- E4 Q8 g: q
* BP神经网络元
; B, q. L\\" `% A; L
*/1 R! W\\" y- j1 A, [) o$ D2 Q
private static BP bp;2 a! L) R3 Y( b4 y M/ G
# _ Q2 Q0 W5 U+ F
/**8 W\\" Y; o: ~. T7 n/ Z# J f
* 初始化一个全新的bp神经网络, d) \6 f& b9 O9 K, ]+ O h
* @param inputSize. h5 C! c\\" X2 N, X1 U! s
* @param hiddenSize
/ \' o! ]: t6 m$ T b0 c$ t
* @param outputSize* G- K! [+ l& L' T5 p# T+ u
*/
( v: S4 ]+ @. m0 e. ?8 b6 ^' \
public static void initialization(int inputSize,int hiddenSize,int outputSize) {! B8 E' j. V& ?/ X7 r
bp=new BP(inputSize, hiddenSize, outputSize);
+ C\\" G\\" i- t' h/ E& d2 j
}
5 P& S9 T1 e: ? v
1 N\\" k( U6 |\\" d( A& D: d6 Q \6 C
/**
9 d\\" @8 B5 m! }& v
* 从文件数据中读取bp神经网络\\" G3 c4 `9 Q$ D# b( K0 i O/ f
* @param file
& _: P\\" | J; u' p. R/ _. e* ~
* @throws IOException) f/ S! T7 R- I, S
* @throws ClassNotFoundException- s7 b: g, y, f+ A& ?; {
*/
3 T\\" f% n3 g6 B7 H: X
public static void initialization(File file) throws IOException, ClassNotFoundException {
2 p r2 ]+ ?\\" Y; M
FileInputStream fi = new FileInputStream(file);2 }, g8 Y( c. p( q8 C
ObjectInputStream si = new ObjectInputStream(fi);
% z4 _4 Q$ {\\" C! i
bp = (BP) si.readObject();
/ Q3 L5 b* k8 n# x8 U
si.close();\\" i, s' P/ \6 t- G* g
}
, b: q. c* P+ k4 R. T' y+ X7 K2 |
$ N0 d! Y2 o& Z% x3 Z\\" g
/**
# |# p$ Y6 {$ E4 J8 H
* 将目前的神经网络储存在指定文件6 z. j8 D0 N- e) g( p) K3 n N8 k
* @param file
% f% k3 h. l% t8 g+ `: `
* @throws IOException( n8 s; Y* e3 O- u
*/% F8 Z, q6 p/ G; H
public static void save(File file) throws IOException {3 h: J* \/ y# g
FileOutputStream fo = new FileOutputStream(file);' O% w) Q0 J% F! I
ObjectOutputStream so = new ObjectOutputStream(fo);
A, G- s3 i\\" _! w; I9 ?+ X
so.writeObject(bp);
1 k7 |( I6 b# P; T, |+ O
so.close();\\" s' o\\" b+ z2 Y5 I2 X j\\" c8 D
}
9 g0 D% e+ N9 f6 Q( u! o
+ s0 A( i/ D& Z1 \3 X: j0 G
/**
* f& C8 i* S; \. a/ }
* 训练BP神经网络
, k3 O/ J* ] w; c
* @param trainData/ ^- t; V+ T2 G2 z2 e& {
* @param target
5 p3 ?* T* X; U) w* p
*/
2 g( l7 |\\" d( Y8 a& f: c
public static void train(double[] trainData, double[] target) {7 u/ i, m) u, X$ b. m/ S4 Y
bp.train(trainData, target);- r\\" w2 z: B$ F$ Q' F3 W' j& e
}, J7 d7 E! V% |\\" O! Y. O( l
+ |+ O4 Y# V8 K; c8 S
/**6 O: F$ Z% }6 F( o/ [
* 要求bp神经网络返回预测值0 A( G* V: Q) c3 v# M
* @param inData
: B6 V. x) a0 ~3 P4 }$ O' i
* @return% e1 t) q! i( h; _' [0 L
*/
0 a9 H9 C\\" E; y* u- u1 ]2 a, }
public static double[] test(double[] inData) {
( R9 d. Z- B/ L$ R- N8 G, o, h
return bp.test(inData);
* _0 G; H\\" x& u& I# L
}, J; d& V0 {8 _/ S+ D
}

package ghost.writer.logic;( d. K) S* ?9 v6 B

6 x* X# F7 n1 ~2 X4 R

import java.io.File;4 E- Z3 [+ d' U5 o  h1 ?

import java.io.FileInputStream; 
6 N3 L7 \' d/ P
import java.io.FileOutputStream; 
( j3 \3 z( I2 h2 ~
import java.io.IOException; 
3 W/ F9 n0 g: N* Q' q
import java.io.ObjectInputStream;  E! F* j* c7 P0 i/ e& G# }

import java.io.ObjectOutputStream; 
# `7 n8 O6 ^( {1 s\\" ?8 ~* Z* \
' D# X. z* y( Z7 K5 ]

public class BPFactory {& S: n4 k% B/ h3 s1 d9 a1 ~

/**$ y8 U, V- E4 Q8 g: q

* BP神经网络元 
; B, q. L\\" `% A; L
         */1 R! W\\" y- j1 A, [) o$ D2 Q

private static BP bp;2 a! L) R3 Y( b4 y  M/ G

# _  Q2 Q0 W5 U+ F
        /**8 W\\" Y; o: ~. T7 n/ Z# J  f

* 初始化一个全新的bp神经网络, d) \6 f& b9 O9 K, ]+ O  h

* @param inputSize. h5 C! c\\" X2 N, X1 U! s

* @param hiddenSize 
/ \' o! ]: t6 m$ T  b0 c$ t
         * @param outputSize* G- K! [+ l& L' T5 p# T+ u

*/ 
( v: S4 ]+ @. m0 e. ?8 b6 ^' \
        public static void initialization(int inputSize,int hiddenSize,int outputSize) {! B8 E' j. V& ?/ X7 r

bp=new BP(inputSize, hiddenSize, outputSize); 
+ C\\" G\\" i- t' h/ E& d2 j
        } 
5 P& S9 T1 e: ?  v
        1 N\\" k( U6 |\\" d( A& D: d6 Q  \6 C

/** 
9 d\\" @8 B5 m! }& v
         * 从文件数据中读取bp神经网络\\" G3 c4 `9 Q$ D# b( K0 i  O/ f

* @param file 
& _: P\\" |  J; u' p. R/ _. e* ~
         * @throws IOException) f/ S! T7 R- I, S

* @throws ClassNotFoundException- s7 b: g, y, f+ A& ?; {

*/ 
3 T\\" f% n3 g6 B7 H: X
        public static void initialization(File file) throws IOException, ClassNotFoundException { 
2 p  r2 ]+ ?\\" Y; M
                FileInputStream fi = new FileInputStream(file);2 }, g8 Y( c. p( q8 C

ObjectInputStream si = new ObjectInputStream(fi); 
% z4 _4 Q$ {\\" C! i
                bp = (BP) si.readObject(); 
/ Q3 L5 b* k8 n# x8 U
                si.close();\\" i, s' P/ \6 t- G* g

} 
, b: q. c* P+ k4 R. T' y+ X7 K2 |
        $ N0 d! Y2 o& Z% x3 Z\\" g

/** 
# |# p$ Y6 {$ E4 J8 H
         * 将目前的神经网络储存在指定文件6 z. j8 D0 N- e) g( p) K3 n  N8 k

* @param file 
% f% k3 h. l% t8 g+ `: `
         * @throws IOException( n8 s; Y* e3 O- u

*/% F8 Z, q6 p/ G; H

public static void save(File file) throws IOException {3 h: J* \/ y# g

FileOutputStream fo = new FileOutputStream(file);' O% w) Q0 J% F! I

ObjectOutputStream so = new ObjectOutputStream(fo); 
  A, G- s3 i\\" _! w; I9 ?+ X
                so.writeObject(bp); 
1 k7 |( I6 b# P; T, |+ O
                so.close();\\" s' o\\" b+ z2 Y5 I2 X  j\\" c8 D

} 
9 g0 D% e+ N9 f6 Q( u! o
        
+ s0 A( i/ D& Z1 \3 X: j0 G
        /** 
* f& C8 i* S; \. a/ }
         * 训练BP神经网络 
, k3 O/ J* ]  w; c
         * @param trainData/ ^- t; V+ T2 G2 z2 e& {

* @param target 
5 p3 ?* T* X; U) w* p
         */ 
2 g( l7 |\\" d( Y8 a& f: c
        public static void train(double[] trainData, double[] target) {7 u/ i, m) u, X$ b. m/ S4 Y

bp.train(trainData, target);- r\\" w2 z: B$ F$ Q' F3 W' j& e

}, J7 d7 E! V% |\\" O! Y. O( l

+ |+ O4 Y# V8 K; c8 S
        /**6 O: F$ Z% }6 F( o/ [

* 要求bp神经网络返回预测值0 A( G* V: Q) c3 v# M

* @param inData 
: B6 V. x) a0 ~3 P4 }$ O' i
         * @return% e1 t) q! i( h; _' [0 L

*/ 
0 a9 H9 C\\" E; y* u- u1 ]2 a, }
        public static double[] test(double[] inData) { 
( R9 d. Z- B/ L$ R- N8 G, o, h
                return bp.test(inData); 
* _0 G; H\\" x& u& I# L
        }, J; d& V0 {8 _/ S+ D

}

zan

网络