查看: 3461|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 |正序浏览

|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;
' i\\" O* D _' W
import java.io.File;
* ~$ `- l$ j6 j# U1 S$ k
import java.io.FileInputStream;8 u& e: m5 |5 O; W1 H& {! z
import java.io.FileOutputStream;- P9 O! ^* U& z* s
import java.io.IOException;\\" j5 x) V, ^: ~; j8 R
import java.io.ObjectInputStream;
' s8 p5 f( b1 L9 P+ i& @6 c; `
import java.io.ObjectOutputStream;
' u# A$ g# `/ D# a5 O* r, J
, @+ B! T9 o2 T f
public class BPFactory {9 e$ u: @7 n1 X3 { R- B5 ]5 n# l' y
/**$ k2 d2 P# W+ p
* BP神经网络元
) \) l5 g, ]- T/ R9 B$ \- j
*/; m k; K+ H @# N9 K
private static BP bp;: r. @( Z2 Z/ {0 d
# F+ k2 d+ v E8 h/ p: N9 @5 a( G
/**7 q/ I2 @/ s8 P
* 初始化一个全新的bp神经网络
( ?3 v' a2 r$ H\\" i7 p' i; N
* @param inputSize
5 \& ?: X# g A! x) T5 [0 ~7 s
* @param hiddenSize 3 C; p3 }1 X% F A' K ?
* @param outputSize2 w* L& a\\" H0 w2 a& _
*/
$ F' G4 I. o+ H
public static void initialization(int inputSize,int hiddenSize,int outputSize) {
& R- Z. n: A8 ]8 V% t4 S
bp=new BP(inputSize, hiddenSize, outputSize);. [1 S' @ j2 N\\" Y) [3 i
}; y6 @% d6 j2 Y. x
! y/ [: ?% v2 w0 u4 O. ?' w+ o
/**
, ~& f- d3 c4 c7 L* q
* 从文件数据中读取bp神经网络
9 T$ ?0 H x; `! P7 \ G1 D
* @param file9 a3 L3 K+ ~) C3 l0 d) F3 w9 r5 J
* @throws IOException, f/ m# ]' i! _. r6 v, j
* @throws ClassNotFoundException
; h/ {5 a1 a9 t. f' _
*/
3 G+ y1 z$ ~7 y! z6 }\\" c
public static void initialization(File file) throws IOException, ClassNotFoundException {% u3 Q0 Q! a- L, H
FileInputStream fi = new FileInputStream(file);1 Y9 l3 M7 A0 D4 W! m& V
ObjectInputStream si = new ObjectInputStream(fi); ! G7 z1 B3 S, H/ ~( D' U5 C' P/ b
bp = (BP) si.readObject(); : h% }2 T: R% J# y: h
si.close(); A' b9 P. h& m4 T
}
4 x' V% Y4 N7 i7 h: Z$ v: o$ A
1 Y3 N3 e6 T( K! O- ?# q
/**9 ]3 k2 f7 _( j d+ K( h
* 将目前的神经网络储存在指定文件$ ]9 v# \& G% y2 r; [. h
* @param file! o: U# B; Q! Q
* @throws IOException
1 b. D$ q' ~# i- t% M
*/( l, ?3 U# Q% e3 o- w9 Y* X2 ^
public static void save(File file) throws IOException {
1 ~1 J* K! J7 f
FileOutputStream fo = new FileOutputStream(file);! a8 T( m) |: ~\\" \4 w, U: o, k- O
ObjectOutputStream so = new ObjectOutputStream(fo);5 w; {3 n5 _5 F3 T
so.writeObject(bp);! K: I: X: j& y2 \+ Z( x4 }
so.close();
: a+ U/ r* Q. a1 l2 q, m# \, @6 x
}5 k3 h1 B& e& w8 |- W. w
& u7 Y$ Z& R* l3 |0 B
/**
- s\\" W- w5 u8 [+ J! K& |
* 训练BP神经网络* k- t/ _: u- W6 H! r
* @param trainData
2 J' V6 K+ H8 Q( R+ U, p5 z
* @param target
& M7 ~. {# Z) n, ?5 L& W( t' B! O+ q
*/2 I' f4 f R\\" {% `; L
public static void train(double[] trainData, double[] target) {6 b. k* \/ a5 X0 v
bp.train(trainData, target);
3 ]9 y* Q) y3 k& n: s+ s- c
}
* s6 S! s\\" x$ E
9 \, ?/ }$ x\\" [8 R
/**, }5 O; a/ f/ g. _2 o' H! H# K
* 要求bp神经网络返回预测值
7 o/ h6 v. q; y, }/ E f: R
* @param inData; q) U% k* X2 I) X
* @return8 e6 F\\" r, k( w5 m! ^1 d
*/
/ C: X4 X3 R$ b' d
public static double[] test(double[] inData) {* c1 {2 w* g6 A# s; c! {
return bp.test(inData);
( ^4 d3 J2 s4 ]+ `- p
}
1 z7 P7 b, S1 {: |; s* [
}

package ghost.writer.logic; 
' i\\" O* D  _' W
 
8 R  j+ o7 `! Q! c  f  k+ b+ V, @1 ~
import java.io.File; 
* ~$ `- l$ j6 j# U1 S$ k
import java.io.FileInputStream;8 u& e: m5 |5 O; W1 H& {! z

import java.io.FileOutputStream;- P9 O! ^* U& z* s

import java.io.IOException;\\" j5 x) V, ^: ~; j8 R

import java.io.ObjectInputStream; 
' s8 p5 f( b1 L9 P+ i& @6 c; `
import java.io.ObjectOutputStream; 
' u# A$ g# `/ D# a5 O* r, J
, @+ B! T9 o2 T  f

public class BPFactory {9 e$ u: @7 n1 X3 {  R- B5 ]5 n# l' y

/**$ k2 d2 P# W+ p

* BP神经网络元 
) \) l5 g, ]- T/ R9 B$ \- j
         */; m  k; K+ H  @# N9 K

private static BP bp;: r. @( Z2 Z/ {0 d

# F+ k2 d+ v  E8 h/ p: N9 @5 a( G

/**7 q/ I2 @/ s8 P

* 初始化一个全新的bp神经网络 
( ?3 v' a2 r$ H\\" i7 p' i; N
         * @param inputSize 
5 \& ?: X# g  A! x) T5 [0 ~7 s
         * @param hiddenSize 3 C; p3 }1 X% F  A' K  ?

* @param outputSize2 w* L& a\\" H0 w2 a& _

*/ 
$ F' G4 I. o+ H
        public static void initialization(int inputSize,int hiddenSize,int outputSize) { 
& R- Z. n: A8 ]8 V% t4 S
                bp=new BP(inputSize, hiddenSize, outputSize);. [1 S' @  j2 N\\" Y) [3 i

}; y6 @% d6 j2 Y. x

! y/ [: ?% v2 w0 u4 O. ?' w+ o

/** 
, ~& f- d3 c4 c7 L* q
         * 从文件数据中读取bp神经网络 
9 T$ ?0 H  x; `! P7 \  G1 D
         * @param file9 a3 L3 K+ ~) C3 l0 d) F3 w9 r5 J

* @throws IOException, f/ m# ]' i! _. r6 v, j

* @throws ClassNotFoundException 
; h/ {5 a1 a9 t. f' _
         */ 
3 G+ y1 z$ ~7 y! z6 }\\" c
        public static void initialization(File file) throws IOException, ClassNotFoundException {% u3 Q0 Q! a- L, H

FileInputStream fi = new FileInputStream(file);1 Y9 l3 M7 A0 D4 W! m& V

ObjectInputStream si = new ObjectInputStream(fi); ! G7 z1 B3 S, H/ ~( D' U5 C' P/ b

bp = (BP) si.readObject(); : h% }2 T: R% J# y: h

si.close();  A' b9 P. h& m4 T

} 
4 x' V% Y4 N7 i7 h: Z$ v: o$ A
        1 Y3 N3 e6 T( K! O- ?# q

/**9 ]3 k2 f7 _( j  d+ K( h

* 将目前的神经网络储存在指定文件$ ]9 v# \& G% y2 r; [. h

* @param file! o: U# B; Q! Q

* @throws IOException 
1 b. D$ q' ~# i- t% M
         */( l, ?3 U# Q% e3 o- w9 Y* X2 ^

public static void save(File file) throws IOException { 
1 ~1 J* K! J7 f
                FileOutputStream fo = new FileOutputStream(file);! a8 T( m) |: ~\\" \4 w, U: o, k- O

ObjectOutputStream so = new ObjectOutputStream(fo);5 w; {3 n5 _5 F3 T

so.writeObject(bp);! K: I: X: j& y2 \+ Z( x4 }

so.close(); 
: a+ U/ r* Q. a1 l2 q, m# \, @6 x
        }5 k3 h1 B& e& w8 |- W. w

& u7 Y$ Z& R* l3 |0 B

/** 
- s\\" W- w5 u8 [+ J! K& |
         * 训练BP神经网络* k- t/ _: u- W6 H! r

* @param trainData 
2 J' V6 K+ H8 Q( R+ U, p5 z
         * @param target 
& M7 ~. {# Z) n, ?5 L& W( t' B! O+ q
         */2 I' f4 f  R\\" {% `; L

public static void train(double[] trainData, double[] target) {6 b. k* \/ a5 X0 v

bp.train(trainData, target); 
3 ]9 y* Q) y3 k& n: s+ s- c
        } 
* s6 S! s\\" x$ E
        
9 \, ?/ }$ x\\" [8 R
        /**, }5 O; a/ f/ g. _2 o' H! H# K

* 要求bp神经网络返回预测值 
7 o/ h6 v. q; y, }/ E  f: R
         * @param inData; q) U% k* X2 I) X

* @return8 e6 F\\" r, k( w5 m! ^1 d

*/ 
/ C: X4 X3 R$ b' d
        public static double[] test(double[] inData) {* c1 {2 w* g6 A# s; c! {

return bp.test(inData); 
( ^4 d3 J2 s4 ]+ `- p
        } 
1 z7 P7 b, S1 {: |; s* [
}

zan

网络