查看: 3525|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;7 `+ U+ g, C5 y$ `) ^
* r2 m! V# ]4 T, g E+ p, l
import java.io.File;5 b0 Q) w; _ \* k4 ` g
import java.io.FileInputStream;
) s9 f5 E2 N% g/ H+ X
import java.io.FileOutputStream;
& Q\\" o/ X# u( }# K9 S+ u* v
import java.io.IOException;3 |3 ^1 ~- j! [2 R
import java.io.ObjectInputStream;
' ]5 o1 ^# X, O, X2 M
import java.io.ObjectOutputStream;
1 d7 Z' g* U: `: u# b6 V0 H
. c) h5 h5 ~! L! J/ D4 N
public class BPFactory {
+ f2 E2 S# J6 Z& L# z7 u5 x4 A+ B
/**
1 @$ N9 ?7 Y9 Z
* BP神经网络元
$ i8 H& e! e, g6 A- Y, d# k/ c
*/0 ^- M, |. G: ~3 P2 G; c7 X- j
private static BP bp;
( }; e$ n2 P) _3 P# m6 k' w1 ?
- J5 E\\" h$ D6 B7 G$ N3 _
/**8 G, J\\" I. P. J2 M v, U
* 初始化一个全新的bp神经网络6 s) v! C/ ] L
* @param inputSize2 b _+ L1 O; J$ V
* @param hiddenSize 4 y: s- F' }% N: V1 _
* @param outputSize
& n& U4 ^ B% {2 h W) o7 V& p\\" L
*/' {2 Q7 |* S4 j) [6 { S
public static void initialization(int inputSize,int hiddenSize,int outputSize) {
. l/ e1 v5 F3 K' J5 G+ h0 b9 E E
bp=new BP(inputSize, hiddenSize, outputSize);, l2 f' C% Q, K) Q/ p9 { x
}* }8 C) `1 N& x\\" u' K# W
\\" Q+ V, b- Y5 ]/ s
/**6 U* l+ c% D N# O
* 从文件数据中读取bp神经网络& M8 ]( G7 T4 k9 H* N# Z( V. e
* @param file \) C& A6 o& f5 ?
* @throws IOException
! H( g5 L2 u- K! }& W\\" B! m/ m
* @throws ClassNotFoundException* [; [3 _\\" ]! z/ [3 L
*/
2 a- t1 g4 h8 Q8 n. u
public static void initialization(File file) throws IOException, ClassNotFoundException {
& l: l) R. c- _! W\\" `5 x8 n5 R
FileInputStream fi = new FileInputStream(file);
6 k8 k0 {+ Z\\" Q\\" S& t6 H* J D
ObjectInputStream si = new ObjectInputStream(fi); ( \! r0 B$ n# _& D) v
bp = (BP) si.readObject(); 5 {\\" E3 w5 [/ S/ d( H
si.close();! {\\" U* C8 R4 p& k+ ~; f
}! e' \* B/ W1 W/ p4 Q: i0 p
1 x+ L\\" c6 {4 a* D/ M# |
/**
- J7 K3 L. s5 H J8 y
* 将目前的神经网络储存在指定文件
; S4 e( e1 v9 I; Q
* @param file: b0 L& A- v1 N- v4 q; b
* @throws IOException. R! C/ F# T/ J K
*/
% M* W8 A1 j) [8 R
public static void save(File file) throws IOException {
x# Y7 ]$ Y% `9 l, @/ [
FileOutputStream fo = new FileOutputStream(file);# _2 d/ K0 w% {: X) D0 K
ObjectOutputStream so = new ObjectOutputStream(fo);
) P; Z$ x\\" m a
so.writeObject(bp);8 Y* _$ N; s- f3 w
so.close();
7 T& H* Y\\" L+ r+ |* v' |
}
3 H$ A1 @( Y& w: t. u/ V
: O6 F4 X7 n d4 O3 C2 K
/**
\\" y) W7 Y F! `+ F
* 训练BP神经网络
?- P2 d, O* k/ l6 o
* @param trainData
$ ~! Q8 U* m' x. d# q
* @param target. a- D% Z& N: w' D3 W# n
*/
) `' ~; s$ g0 ~4 U. X8 M
public static void train(double[] trainData, double[] target) {7 m4 d* n+ w( }, W
bp.train(trainData, target);
; X, Q8 l\\" l* _
}
0 K1 ?+ [- [\\" B- b* \
O9 Q+ _& N9 Z\\" i+ y- M) U
/**8 w* c# n, w( V# E
* 要求bp神经网络返回预测值
0 n9 v, a3 E% Z6 J$ j! K
* @param inData9 W8 U2 K; b. ~5 D
* @return2 N7 K/ d0 V2 v7 ]7 w q5 S
*/
$ T6 y6 Z: M. m
public static double[] test(double[] inData) {. C# V/ @) W( K& R/ }( w
return bp.test(inData);
( }; [* q7 o+ i
}
4 J5 x: _6 N2 u* j: `5 W
}

package ghost.writer.logic;7 `+ U+ g, C5 y$ `) ^

* r2 m! V# ]4 T, g  E+ p, l

import java.io.File;5 b0 Q) w; _  \* k4 `  g

import java.io.FileInputStream; 
) s9 f5 E2 N% g/ H+ X
import java.io.FileOutputStream; 
& Q\\" o/ X# u( }# K9 S+ u* v
import java.io.IOException;3 |3 ^1 ~- j! [2 R

import java.io.ObjectInputStream; 
' ]5 o1 ^# X, O, X2 M
import java.io.ObjectOutputStream; 
1 d7 Z' g* U: `: u# b6 V0 H
 
. c) h5 h5 ~! L! J/ D4 N
public class BPFactory { 
+ f2 E2 S# J6 Z& L# z7 u5 x4 A+ B
        /** 
1 @$ N9 ?7 Y9 Z
         * BP神经网络元 
$ i8 H& e! e, g6 A- Y, d# k/ c
         */0 ^- M, |. G: ~3 P2 G; c7 X- j

private static BP bp; 
( }; e$ n2 P) _3 P# m6 k' w1 ?
        - J5 E\\" h$ D6 B7 G$ N3 _

/**8 G, J\\" I. P. J2 M  v, U

* 初始化一个全新的bp神经网络6 s) v! C/ ]  L

* @param inputSize2 b  _+ L1 O; J$ V

* @param hiddenSize 4 y: s- F' }% N: V1 _

* @param outputSize 
& n& U4 ^  B% {2 h  W) o7 V& p\\" L
         */' {2 Q7 |* S4 j) [6 {  S

public static void initialization(int inputSize,int hiddenSize,int outputSize) { 
. l/ e1 v5 F3 K' J5 G+ h0 b9 E  E
                bp=new BP(inputSize, hiddenSize, outputSize);, l2 f' C% Q, K) Q/ p9 {  x

}* }8 C) `1 N& x\\" u' K# W

\\" Q+ V, b- Y5 ]/ s

/**6 U* l+ c% D  N# O

* 从文件数据中读取bp神经网络& M8 ]( G7 T4 k9 H* N# Z( V. e

* @param file  \) C& A6 o& f5 ?

* @throws IOException 
! H( g5 L2 u- K! }& W\\" B! m/ m
         * @throws ClassNotFoundException* [; [3 _\\" ]! z/ [3 L

*/ 
2 a- t1 g4 h8 Q8 n. u
        public static void initialization(File file) throws IOException, ClassNotFoundException { 
& l: l) R. c- _! W\\" `5 x8 n5 R
                FileInputStream fi = new FileInputStream(file); 
6 k8 k0 {+ Z\\" Q\\" S& t6 H* J  D
                ObjectInputStream si = new ObjectInputStream(fi); ( \! r0 B$ n# _& D) v

bp = (BP) si.readObject(); 5 {\\" E3 w5 [/ S/ d( H

si.close();! {\\" U* C8 R4 p& k+ ~; f

}! e' \* B/ W1 W/ p4 Q: i0 p

1 x+ L\\" c6 {4 a* D/ M# |
        /** 
- J7 K3 L. s5 H  J8 y
         * 将目前的神经网络储存在指定文件 
; S4 e( e1 v9 I; Q
         * @param file: b0 L& A- v1 N- v4 q; b

* @throws IOException. R! C/ F# T/ J  K

*/ 
% M* W8 A1 j) [8 R
        public static void save(File file) throws IOException { 
  x# Y7 ]$ Y% `9 l, @/ [
                FileOutputStream fo = new FileOutputStream(file);# _2 d/ K0 w% {: X) D0 K

ObjectOutputStream so = new ObjectOutputStream(fo); 
) P; Z$ x\\" m  a
                so.writeObject(bp);8 Y* _$ N; s- f3 w

so.close(); 
7 T& H* Y\\" L+ r+ |* v' |
        } 
3 H$ A1 @( Y& w: t. u/ V
        
: O6 F4 X7 n  d4 O3 C2 K
        /** 
\\" y) W7 Y  F! `+ F
         * 训练BP神经网络 
  ?- P2 d, O* k/ l6 o
         * @param trainData 
$ ~! Q8 U* m' x. d# q
         * @param target. a- D% Z& N: w' D3 W# n

*/ 
) `' ~; s$ g0 ~4 U. X8 M
        public static void train(double[] trainData, double[] target) {7 m4 d* n+ w( }, W

bp.train(trainData, target); 
; X, Q8 l\\" l* _
        } 
0 K1 ?+ [- [\\" B- b* \
        
  O9 Q+ _& N9 Z\\" i+ y- M) U
        /**8 w* c# n, w( V# E

* 要求bp神经网络返回预测值 
0 n9 v, a3 E% Z6 J$ j! K
         * @param inData9 W8 U2 K; b. ~5 D

* @return2 N7 K/ d0 V2 v7 ]7 w  q5 S

*/ 
$ T6 y6 Z: M. m
        public static double[] test(double[] inData) {. C# V/ @) W( K& R/ }( w

return bp.test(inData); 
( }; [* q7 o+ i
        } 
4 J5 x: _6 N2 u* j: `5 W
}

zan

网络