查看: 3404|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;2 `1 J- a. I$ B1 I' t
+ t+ Q5 u0 t6 H( E0 N; @, }
import java.io.File;) g; S; t: j; R) ]& Y* \5 X
import java.io.FileInputStream;
# h. Q) T1 N. l/ ?; R' j
import java.io.FileOutputStream;
( i# f; B v2 K' I
import java.io.IOException;
) A; N6 u3 N1 \$ `6 e) ^\\" R. E4 |
import java.io.ObjectInputStream;
0 f( Q3 M8 }( N$ i7 t, g
import java.io.ObjectOutputStream;
9 W9 T$ E) C+ I: O. v, N
! W, T# p/ q3 Z2 \1 H& k
public class BPFactory {
6 i' Y$ l\\" v* Z3 E% J! r; a/ [
/**) B+ Z! y$ n; `% a\\" `) r
* BP神经网络元
9 J' L1 u$ T, z( o0 n
*/7 s6 s1 X\\" N h; I+ f* @3 o, C( l
private static BP bp;$ S$ {% r0 \$ N
; ]% }- D9 _+ z3 q9 [\\" s u6 ~# N7 z
/**: L9 O- M( V% A1 E- ^7 z+ w4 J
* 初始化一个全新的bp神经网络
9 |# T. W& L& a: N' R0 T
* @param inputSize) k' n. G7 s0 j% T
* @param hiddenSize , k6 a3 F' J0 R* F G7 r7 {5 l
* @param outputSize
. S0 I\\" I. a7 V+ j/ n, I
*/
4 Q# I% _. M$ r- Y6 S, d& R
public static void initialization(int inputSize,int hiddenSize,int outputSize) {* U! |5 C2 @0 l
bp=new BP(inputSize, hiddenSize, outputSize);/ A; [% U: k Z7 \% P* \& V! N. `# T
}
1 o; O* A; R( a4 u
2 ^5 q6 a) r) l& a8 J' A
/**4 I) A2 R2 G; e) H7 M) Q8 X
* 从文件数据中读取bp神经网络
' J0 J# b- y. H) n
* @param file5 R2 }+ D3 P2 `) q\\" @+ ^& Z
* @throws IOException6 R0 t) I3 b' b+ |- I X2 U
* @throws ClassNotFoundException
/ A; E2 F K1 u+ s1 I) J
*/) o4 F) s9 T8 w6 [* j
public static void initialization(File file) throws IOException, ClassNotFoundException { ~5 _1 \7 \4 j
FileInputStream fi = new FileInputStream(file);: ~* b( E\\" R4 Z
ObjectInputStream si = new ObjectInputStream(fi);
9 E- {0 j* _$ E( P6 J. U
bp = (BP) si.readObject(); 8 h8 m4 V# U( |4 `. s8 f& Z
si.close();
' H3 h! V3 j6 W! o/ b9 w! I* v
}0 k; }: b* z. v\\" s
+ ]5 O& r. Z\\" Q0 ?: }
/**
7 B3 }; d. L4 B
* 将目前的神经网络储存在指定文件
; j* m0 z: C1 f, o( N, z3 R {: k
* @param file+ j, r' R% D! J
* @throws IOException
+ s7 I% @5 d r' Q8 c z
*/
) @( T0 A2 p7 Y( B2 J5 J
public static void save(File file) throws IOException {
2 X( Y6 Q* v# H! I- U
FileOutputStream fo = new FileOutputStream(file);8 e# M \- j* W! `. m' u6 ^5 B
ObjectOutputStream so = new ObjectOutputStream(fo);
6 x, v( P2 b6 m
so.writeObject(bp);: x\\" c5 \8 L. `/ ]8 `
so.close();# |- |$ g; i* P- O& P7 m9 G& W1 O
}
/ U1 R, X1 q. x N0 H& b( F
* w, b4 K- ~; m: O$ [; f7 M
/**
, C5 f0 R* _# U& K0 A2 m
* 训练BP神经网络
; D; |, F) [/ H, d7 w5 x+ p
* @param trainData
\\" @. Y! u7 s8 w* w8 j5 u
* @param target/ r) i& O0 F& x# g- ~! O
*/
$ f. ?6 C. s2 p# Y- Z! b I# M/ j
public static void train(double[] trainData, double[] target) {\\" {2 k& G7 _* E
bp.train(trainData, target);2 T+ j8 I, Q. S1 B V
} d! B% t; i7 w
9 n0 n5 C4 Q\\" Y1 r
/**
1 k/ I/ N$ q: d6 {
* 要求bp神经网络返回预测值
; i6 z& \2 H4 p7 ?4 a
* @param inData! ~- g8 X' j$ b% H
* @return9 i: s- }: B/ X4 [/ Y- x& j
*/: x% V4 R' i' ~2 L( ], V
public static double[] test(double[] inData) {8 j* P' {\\" l! k8 o
return bp.test(inData);! B5 T+ z. k# W, E2 k& a* G
}
2 z' w9 l) b9 x\\" `& \$ p
}

package ghost.writer.logic;2 `1 J- a. I$ B1 I' t

+ t+ Q5 u0 t6 H( E0 N; @, }

import java.io.File;) g; S; t: j; R) ]& Y* \5 X

import java.io.FileInputStream; 
# h. Q) T1 N. l/ ?; R' j
import java.io.FileOutputStream; 
( i# f; B  v2 K' I
import java.io.IOException; 
) A; N6 u3 N1 \$ `6 e) ^\\" R. E4 |
import java.io.ObjectInputStream; 
0 f( Q3 M8 }( N$ i7 t, g
import java.io.ObjectOutputStream; 
9 W9 T$ E) C+ I: O. v, N
! W, T# p/ q3 Z2 \1 H& k

public class BPFactory { 
6 i' Y$ l\\" v* Z3 E% J! r; a/ [
        /**) B+ Z! y$ n; `% a\\" `) r

* BP神经网络元 
9 J' L1 u$ T, z( o0 n
         */7 s6 s1 X\\" N  h; I+ f* @3 o, C( l

private static BP bp;$ S$ {% r0 \$ N

; ]% }- D9 _+ z3 q9 [\\" s  u6 ~# N7 z

/**: L9 O- M( V% A1 E- ^7 z+ w4 J

* 初始化一个全新的bp神经网络 
9 |# T. W& L& a: N' R0 T
         * @param inputSize) k' n. G7 s0 j% T

* @param hiddenSize , k6 a3 F' J0 R* F  G7 r7 {5 l

* @param outputSize 
. S0 I\\" I. a7 V+ j/ n, I
         */ 
4 Q# I% _. M$ r- Y6 S, d& R
        public static void initialization(int inputSize,int hiddenSize,int outputSize) {* U! |5 C2 @0 l

bp=new BP(inputSize, hiddenSize, outputSize);/ A; [% U: k  Z7 \% P* \& V! N. `# T

} 
1 o; O* A; R( a4 u
        
2 ^5 q6 a) r) l& a8 J' A
        /**4 I) A2 R2 G; e) H7 M) Q8 X

* 从文件数据中读取bp神经网络 
' J0 J# b- y. H) n
         * @param file5 R2 }+ D3 P2 `) q\\" @+ ^& Z

* @throws IOException6 R0 t) I3 b' b+ |- I  X2 U

* @throws ClassNotFoundException 
/ A; E2 F  K1 u+ s1 I) J
         */) o4 F) s9 T8 w6 [* j

public static void initialization(File file) throws IOException, ClassNotFoundException {  ~5 _1 \7 \4 j

FileInputStream fi = new FileInputStream(file);: ~* b( E\\" R4 Z

ObjectInputStream si = new ObjectInputStream(fi); 
9 E- {0 j* _$ E( P6 J. U
                bp = (BP) si.readObject(); 8 h8 m4 V# U( |4 `. s8 f& Z

si.close(); 
' H3 h! V3 j6 W! o/ b9 w! I* v
        }0 k; }: b* z. v\\" s

+ ]5 O& r. Z\\" Q0 ?: }

/** 
7 B3 }; d. L4 B
         * 将目前的神经网络储存在指定文件 
; j* m0 z: C1 f, o( N, z3 R  {: k
         * @param file+ j, r' R% D! J

* @throws IOException 
+ s7 I% @5 d  r' Q8 c  z
         */ 
) @( T0 A2 p7 Y( B2 J5 J
        public static void save(File file) throws IOException { 
2 X( Y6 Q* v# H! I- U
                FileOutputStream fo = new FileOutputStream(file);8 e# M  \- j* W! `. m' u6 ^5 B

ObjectOutputStream so = new ObjectOutputStream(fo); 
6 x, v( P2 b6 m
                so.writeObject(bp);: x\\" c5 \8 L. `/ ]8 `

so.close();# |- |$ g; i* P- O& P7 m9 G& W1 O

} 
/ U1 R, X1 q. x  N0 H& b( F
        
* w, b4 K- ~; m: O$ [; f7 M
        /** 
, C5 f0 R* _# U& K0 A2 m
         * 训练BP神经网络 
; D; |, F) [/ H, d7 w5 x+ p
         * @param trainData 
\\" @. Y! u7 s8 w* w8 j5 u
         * @param target/ r) i& O0 F& x# g- ~! O

*/ 
$ f. ?6 C. s2 p# Y- Z! b  I# M/ j
        public static void train(double[] trainData, double[] target) {\\" {2 k& G7 _* E

bp.train(trainData, target);2 T+ j8 I, Q. S1 B  V

}  d! B% t; i7 w

9 n0 n5 C4 Q\\" Y1 r
        /** 
1 k/ I/ N$ q: d6 {
         * 要求bp神经网络返回预测值 
; i6 z& \2 H4 p7 ?4 a
         * @param inData! ~- g8 X' j$ b% H

* @return9 i: s- }: B/ X4 [/ Y- x& j

*/: x% V4 R' i' ~2 L( ], V

public static double[] test(double[] inData) {8 j* P' {\\" l! k8 o

return bp.test(inData);! B5 T+ z. k# W, E2 k& a* G

} 
2 z' w9 l) b9 x\\" `& \$ p
}

zan

网络