查看: 3464|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;
: S/ ^7 {% C) ^9 n
# {3 Q( F, x\\" J# v/ H! @
import java.io.File;
5 W3 a3 h$ _6 G4 N
import java.io.FileInputStream;, d$ Z1 D( J0 A- O5 V' {: h
import java.io.FileOutputStream;$ s) }& f& ]/ g H3 e1 z; A' c
import java.io.IOException;
) x7 i: ^% v$ D) y' d/ [5 ~
import java.io.ObjectInputStream;0 p+ O3 X+ E, _/ b# o
import java.io.ObjectOutputStream;* x! \6 u4 r: n1 k) o
\\" m, b I! z+ T1 U! h& F2 M
public class BPFactory {
6 k5 Z0 _: p\\" l- q
/**
2 {3 i' g\\" t* d/ e( x/ s! K& |
* BP神经网络元
7 g. s% K% v, q5 F/ R. X- _8 L( @
*/
: C8 z* X4 e% f; ?
private static BP bp;8 s5 T) w6 t6 v7 F& }
% Z- ?/ M$ v\\" z: f
/**3 M1 A% |# V0 `2 b v
* 初始化一个全新的bp神经网络2 k) m5 }: J! w% \5 p( }+ k
* @param inputSize: w7 u4 m `- U! J/ l! P/ M
* @param hiddenSize
/ t' i$ g( Q* x# c* X6 q5 J( g. Q
* @param outputSize2 F) ^2 A/ E% Y8 P- ^7 l2 h
*/6 i\\" r% T/ l. L6 L9 f
public static void initialization(int inputSize,int hiddenSize,int outputSize) {% [2 y- S( B3 x4 \( z
bp=new BP(inputSize, hiddenSize, outputSize);
; g, @! D1 r5 ]+ t
}
0 C* U& r4 O9 N\\" @ Q* Q0 ?. b
; ^, y8 j2 e/ s
/**
$ Q3 ]* e9 E& X8 l0 O- f) j4 R( a
* 从文件数据中读取bp神经网络1 ^) ?7 v9 C# J4 E
* @param file& \4 u: _, W a% Y _) h7 q
* @throws IOException
9 N4 `6 W! Z( u
* @throws ClassNotFoundException
3 o4 f, i6 i% G7 R! k# F b
*/\\" Z& x' d6 l% l
public static void initialization(File file) throws IOException, ClassNotFoundException {
- o4 u- d' e2 K+ ]8 Y! ?5 a
FileInputStream fi = new FileInputStream(file);
7 g1 t) n& H# j( m. {2 v6 o
ObjectInputStream si = new ObjectInputStream(fi);
, [2 t0 H( b) W+ o; q
bp = (BP) si.readObject();
7 Z3 y: M$ Q* f; h; c- z% `' y+ W
si.close();
# e' a, z3 L) g, J) |% v4 i0 U
}9 ~4 j1 b$ b; a2 P) d W
/ V8 t/ N0 K6 I0 s
/**8 e, n/ O, Z4 O1 x F: B/ s
* 将目前的神经网络储存在指定文件
2 {% C* B K\\" W7 B2 O
* @param file
: G& A- x\\" A* [ P& n, P4 i
* @throws IOException# n6 D4 \% _& ~* h\\" H: ?, P3 l
*/
6 @5 E% j0 F0 M\\" U( V6 A
public static void save(File file) throws IOException {
7 w* I8 f* W# Z
FileOutputStream fo = new FileOutputStream(file);- K5 y( l0 N5 g% {. h
ObjectOutputStream so = new ObjectOutputStream(fo);
, l! W\\" e. w\\" Y\\" U2 z
so.writeObject(bp);
8 P- O, V7 j' g1 ^/ `4 q( q, S
so.close();
* Q3 M2 U, b2 c# i5 F9 p( p
}9 k. x( Z& ]+ J
1 J0 N! X, R) B: C; r5 V
/**; Y3 G6 H% P9 H; j
* 训练BP神经网络
9 ]$ Q7 `( q8 V. ?3 T2 y1 W
* @param trainData
( L( A3 R5 t Y\\" o4 p6 Q6 k* Q6 l
* @param target
9 P. d; v& o# y, c
*/5 Q h8 w# Y2 _0 a% C
public static void train(double[] trainData, double[] target) {) L6 k- T) [- Q. {
bp.train(trainData, target);
# W V% J3 u, ^3 v
}% y$ r# Q/ _, ~, N
7 S' l( u3 _! A' {- T0 G) C
/*** |\\" t. u1 v* W, F7 G$ F% D
* 要求bp神经网络返回预测值
+ F. u3 s9 y$ G/ i- o# P
* @param inData% T; m# f, Q* |
* @return
' {- q+ t1 H7 S: J\\" k& ?7 u* C
*/
/ x9 O9 Z u7 z
public static double[] test(double[] inData) {
# P& G. H( \) }5 W
return bp.test(inData);
+ F3 n* v* U, }% q. [6 E
}
% j\\" f& ?# z) Y7 ?0 s8 I
}

package ghost.writer.logic; 
: S/ ^7 {% C) ^9 n
# {3 Q( F, x\\" J# v/ H! @

import java.io.File; 
5 W3 a3 h$ _6 G4 N
import java.io.FileInputStream;, d$ Z1 D( J0 A- O5 V' {: h

import java.io.FileOutputStream;$ s) }& f& ]/ g  H3 e1 z; A' c

import java.io.IOException; 
) x7 i: ^% v$ D) y' d/ [5 ~
import java.io.ObjectInputStream;0 p+ O3 X+ E, _/ b# o

import java.io.ObjectOutputStream;* x! \6 u4 r: n1 k) o

\\" m, b  I! z+ T1 U! h& F2 M
public class BPFactory { 
6 k5 Z0 _: p\\" l- q
        /** 
2 {3 i' g\\" t* d/ e( x/ s! K& |
         * BP神经网络元 
7 g. s% K% v, q5 F/ R. X- _8 L( @
         */ 
: C8 z* X4 e% f; ?
        private static BP bp;8 s5 T) w6 t6 v7 F& }

% Z- ?/ M$ v\\" z: f

/**3 M1 A% |# V0 `2 b  v

* 初始化一个全新的bp神经网络2 k) m5 }: J! w% \5 p( }+ k

* @param inputSize: w7 u4 m  `- U! J/ l! P/ M

* @param hiddenSize 
/ t' i$ g( Q* x# c* X6 q5 J( g. Q
         * @param outputSize2 F) ^2 A/ E% Y8 P- ^7 l2 h

*/6 i\\" r% T/ l. L6 L9 f

public static void initialization(int inputSize,int hiddenSize,int outputSize) {% [2 y- S( B3 x4 \( z

bp=new BP(inputSize, hiddenSize, outputSize); 
; g, @! D1 r5 ]+ t
        } 
0 C* U& r4 O9 N\\" @  Q* Q0 ?. b
        
; ^, y8 j2 e/ s
        /** 
$ Q3 ]* e9 E& X8 l0 O- f) j4 R( a
         * 从文件数据中读取bp神经网络1 ^) ?7 v9 C# J4 E

* @param file& \4 u: _, W  a% Y  _) h7 q

* @throws IOException 
9 N4 `6 W! Z( u
         * @throws ClassNotFoundException 
3 o4 f, i6 i% G7 R! k# F  b
         */\\" Z& x' d6 l% l

public static void initialization(File file) throws IOException, ClassNotFoundException { 
- o4 u- d' e2 K+ ]8 Y! ?5 a
                FileInputStream fi = new FileInputStream(file); 
7 g1 t) n& H# j( m. {2 v6 o
                ObjectInputStream si = new ObjectInputStream(fi); 
, [2 t0 H( b) W+ o; q
                bp = (BP) si.readObject(); 
7 Z3 y: M$ Q* f; h; c- z% `' y+ W
                si.close(); 
# e' a, z3 L) g, J) |% v4 i0 U
        }9 ~4 j1 b$ b; a2 P) d  W

/ V8 t/ N0 K6 I0 s
        /**8 e, n/ O, Z4 O1 x  F: B/ s

* 将目前的神经网络储存在指定文件 
2 {% C* B  K\\" W7 B2 O
         * @param file 
: G& A- x\\" A* [  P& n, P4 i
         * @throws IOException# n6 D4 \% _& ~* h\\" H: ?, P3 l

*/ 
6 @5 E% j0 F0 M\\" U( V6 A
        public static void save(File file) throws IOException { 
7 w* I8 f* W# Z
                FileOutputStream fo = new FileOutputStream(file);- K5 y( l0 N5 g% {. h

ObjectOutputStream so = new ObjectOutputStream(fo); 
, l! W\\" e. w\\" Y\\" U2 z
                so.writeObject(bp); 
8 P- O, V7 j' g1 ^/ `4 q( q, S
                so.close(); 
* Q3 M2 U, b2 c# i5 F9 p( p
        }9 k. x( Z& ]+ J

1 J0 N! X, R) B: C; r5 V
        /**; Y3 G6 H% P9 H; j

* 训练BP神经网络 
9 ]$ Q7 `( q8 V. ?3 T2 y1 W
         * @param trainData 
( L( A3 R5 t  Y\\" o4 p6 Q6 k* Q6 l
         * @param target 
9 P. d; v& o# y, c
         */5 Q  h8 w# Y2 _0 a% C

public static void train(double[] trainData, double[] target) {) L6 k- T) [- Q. {

bp.train(trainData, target); 
# W  V% J3 u, ^3 v
        }% y$ r# Q/ _, ~, N

7 S' l( u3 _! A' {- T0 G) C
        /*** |\\" t. u1 v* W, F7 G$ F% D

* 要求bp神经网络返回预测值 
+ F. u3 s9 y$ G/ i- o# P
         * @param inData% T; m# f, Q* |

* @return 
' {- q+ t1 H7 S: J\\" k& ?7 u* C
         */ 
/ x9 O9 Z  u7 z
        public static double[] test(double[] inData) { 
# P& G. H( \) }5 W
                return bp.test(inData); 
+ F3 n* v* U, }% q. [6 E
        } 
% j\\" f& ?# z) Y7 ?0 s8 I
}

zan

网络