查看: 3218|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;; s2 R0 g/ G4 A
* \' t! u7 f& @# d( n, B$ H
import java.io.File;$ x- h$ Z. `; X7 K$ }
import java.io.FileInputStream;
4 e$ n2 J7 D' g2 Z% T
import java.io.FileOutputStream;+ j- y% r; T, K2 }, _6 D
import java.io.IOException;) U& Q+ V+ g- }/ Y
import java.io.ObjectInputStream;
: w& F0 z8 x1 ~$ d7 f; N
import java.io.ObjectOutputStream;
; p2 |* M2 @6 o4 H1 _/ B. j) F5 s
$ F9 `5 O3 O3 c3 }
public class BPFactory {
/ ~& c+ q\\" C$ _+ w6 ?7 T
/**: }1 c: e- |# u9 Z+ f, \. m- `
* BP神经网络元4 o( I2 x8 c\\" G. g# l
*/9 N5 W; k2 L6 n
private static BP bp;) G* p2 m3 V\\" ` }1 Z2 S4 G
9 N& J1 `: I& s) F% R) G
/**$ g1 O6 w8 b7 v; Q. r\\" k
* 初始化一个全新的bp神经网络: l5 X, I R# }. f+ G( r
* @param inputSize
\\" ?$ | C, E7 `. Q3 S
* @param hiddenSize ( m* }, v' X7 N' r5 P6 s o
* @param outputSize
. p' ~4 s( h! f8 S; B& D0 g6 z# a% _
*/
$ q, @. t) g8 c' c) W( j3 g& y
public static void initialization(int inputSize,int hiddenSize,int outputSize) {% P1 b. B0 f# W' T$ Y5 P; y+ ~& u
bp=new BP(inputSize, hiddenSize, outputSize);
% m, k3 p1 T% E( ~ p, L, P) Q
}
\\" C) r6 ?5 b9 j
/ u0 w7 Z8 s* a
/**
% P\\" [1 d# L; c/ V+ }2 I( R
* 从文件数据中读取bp神经网络
4 d; p9 {. Q b& ]$ ]+ m
* @param file
* w+ N k4 Q; q0 l* ]
* @throws IOException5 k; L# i1 D/ p) @
* @throws ClassNotFoundException- n: G* ~9 K& ]: }
*/
\\" k6 ~! X\\" c' W4 R
public static void initialization(File file) throws IOException, ClassNotFoundException {6 r\\" x\\" L% ?% m/ c% U\\" l
FileInputStream fi = new FileInputStream(file);3 y' ?2 n. U! ^# q+ t! ]6 _
ObjectInputStream si = new ObjectInputStream(fi);
4 x% A9 `( g, y: ^
bp = (BP) si.readObject();
$ r/ X. B Y8 Z& q9 l, Z
si.close();
; `2 K8 C4 q. ]+ U, y& O
}
1 ]7 Y, h& R7 Y
2 c2 R* S! O2 J
/**
& a- d; I4 {/ S5 |! }+ Z, D
* 将目前的神经网络储存在指定文件
- g; I: A; r, U$ J+ e' @5 f- _
* @param file7 J5 g7 t6 T0 ^$ v' J' @
* @throws IOException
6 j0 Z# y. E6 b r\\" g+ G& ~
*/
! y8 z. U$ T- C' R1 A/ Y
public static void save(File file) throws IOException {$ ^, P1 w# e+ Q* C
FileOutputStream fo = new FileOutputStream(file);$ c! I; O- W' r: @2 `: V
ObjectOutputStream so = new ObjectOutputStream(fo);4 U; U8 r/ ?/ J' Y% b
so.writeObject(bp);4 o; \) Z% s; b' K \1 }
so.close();& P, d/ J& y8 N3 b
}( m6 `! d* E6 L% d a% S
* v5 A+ \7 _5 c6 S2 l
/**
; t( r' n& Y( \- E7 [5 \
* 训练BP神经网络9 G: [7 Q: ^( `# i4 S$ s' k
* @param trainData\\" z6 l+ O3 J. D5 {1 s\\" ]: x) U
* @param target
6 P8 X3 Z& q+ D. x9 I
*/
' K+ K/ J3 q( i9 D$ B# d\\" B
public static void train(double[] trainData, double[] target) {5 H& m' B) u4 T% L/ ?6 w
bp.train(trainData, target);
, {) C5 V [, s$ v$ j
}
! ~7 J7 ]- d' E6 v0 A$ \
$ Y( k' d5 x6 y4 x3 p
/**0 O9 L/ C) }; ]4 E3 n, M
* 要求bp神经网络返回预测值
# T\\" e1 \7 A* P5 i
* @param inData
$ _\\" j% x' k' d7 C& o1 c
* @return
( o+ ?9 q1 q5 c
*/7 b, V0 C8 g$ p- g, x( F% ?
public static double[] test(double[] inData) {- n- z6 x' V\\" m( D8 u* f# P
return bp.test(inData);
. @! u: I# t B4 J
}0 c/ X' @+ Q' O
}

package ghost.writer.logic;; s2 R0 g/ G4 A

* \' t! u7 f& @# d( n, B$ H
import java.io.File;$ x- h$ Z. `; X7 K$ }

import java.io.FileInputStream; 
4 e$ n2 J7 D' g2 Z% T
import java.io.FileOutputStream;+ j- y% r; T, K2 }, _6 D

import java.io.IOException;) U& Q+ V+ g- }/ Y

import java.io.ObjectInputStream; 
: w& F0 z8 x1 ~$ d7 f; N
import java.io.ObjectOutputStream; 
; p2 |* M2 @6 o4 H1 _/ B. j) F5 s
$ F9 `5 O3 O3 c3 }

public class BPFactory { 
/ ~& c+ q\\" C$ _+ w6 ?7 T
        /**: }1 c: e- |# u9 Z+ f, \. m- `

* BP神经网络元4 o( I2 x8 c\\" G. g# l

*/9 N5 W; k2 L6 n

private static BP bp;) G* p2 m3 V\\" `  }1 Z2 S4 G

9 N& J1 `: I& s) F% R) G
        /**$ g1 O6 w8 b7 v; Q. r\\" k

* 初始化一个全新的bp神经网络: l5 X, I  R# }. f+ G( r

* @param inputSize 
\\" ?$ |  C, E7 `. Q3 S
         * @param hiddenSize ( m* }, v' X7 N' r5 P6 s  o

* @param outputSize 
. p' ~4 s( h! f8 S; B& D0 g6 z# a% _
         */ 
$ q, @. t) g8 c' c) W( j3 g& y
        public static void initialization(int inputSize,int hiddenSize,int outputSize) {% P1 b. B0 f# W' T$ Y5 P; y+ ~& u

bp=new BP(inputSize, hiddenSize, outputSize); 
% m, k3 p1 T% E( ~  p, L, P) Q
        } 
\\" C) r6 ?5 b9 j
        / u0 w7 Z8 s* a

/** 
% P\\" [1 d# L; c/ V+ }2 I( R
         * 从文件数据中读取bp神经网络 
4 d; p9 {. Q  b& ]$ ]+ m
         * @param file 
* w+ N  k4 Q; q0 l* ]
         * @throws IOException5 k; L# i1 D/ p) @

* @throws ClassNotFoundException- n: G* ~9 K& ]: }

*/ 
\\" k6 ~! X\\" c' W4 R
        public static void initialization(File file) throws IOException, ClassNotFoundException {6 r\\" x\\" L% ?% m/ c% U\\" l

FileInputStream fi = new FileInputStream(file);3 y' ?2 n. U! ^# q+ t! ]6 _

ObjectInputStream si = new ObjectInputStream(fi); 
4 x% A9 `( g, y: ^
                bp = (BP) si.readObject(); 
$ r/ X. B  Y8 Z& q9 l, Z
                si.close(); 
; `2 K8 C4 q. ]+ U, y& O
        } 
1 ]7 Y, h& R7 Y
        2 c2 R* S! O2 J

/** 
& a- d; I4 {/ S5 |! }+ Z, D
         * 将目前的神经网络储存在指定文件 
- g; I: A; r, U$ J+ e' @5 f- _
         * @param file7 J5 g7 t6 T0 ^$ v' J' @

* @throws IOException 
6 j0 Z# y. E6 b  r\\" g+ G& ~
         */ 
! y8 z. U$ T- C' R1 A/ Y
        public static void save(File file) throws IOException {$ ^, P1 w# e+ Q* C

FileOutputStream fo = new FileOutputStream(file);$ c! I; O- W' r: @2 `: V

ObjectOutputStream so = new ObjectOutputStream(fo);4 U; U8 r/ ?/ J' Y% b

so.writeObject(bp);4 o; \) Z% s; b' K  \1 }

so.close();& P, d/ J& y8 N3 b

}( m6 `! d* E6 L% d  a% S

* v5 A+ \7 _5 c6 S2 l
        /** 
; t( r' n& Y( \- E7 [5 \
         * 训练BP神经网络9 G: [7 Q: ^( `# i4 S$ s' k

* @param trainData\\" z6 l+ O3 J. D5 {1 s\\" ]: x) U

* @param target 
6 P8 X3 Z& q+ D. x9 I
         */ 
' K+ K/ J3 q( i9 D$ B# d\\" B
        public static void train(double[] trainData, double[] target) {5 H& m' B) u4 T% L/ ?6 w

bp.train(trainData, target); 
, {) C5 V  [, s$ v$ j
        } 
! ~7 J7 ]- d' E6 v0 A$ \
        $ Y( k' d5 x6 y4 x3 p

/**0 O9 L/ C) }; ]4 E3 n, M

* 要求bp神经网络返回预测值 
# T\\" e1 \7 A* P5 i
         * @param inData 
$ _\\" j% x' k' d7 C& o1 c
         * @return 
( o+ ?9 q1 q5 c
         */7 b, V0 C8 g$ p- g, x( F% ?

public static double[] test(double[] inData) {- n- z6 x' V\\" m( D8 u* f# P

return bp.test(inData); 
. @! u: I# t  B4 J
        }0 c/ X' @+ Q' O

}

zan

网络