查看: 3581|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;9 o( r( E' T! i! e* a2 ~
v9 j, Y6 J `$ e\\" {8 D
import java.io.File;' y C* f: e3 a u
import java.io.FileInputStream;
4 O! P& j2 [* G( {) u
import java.io.FileOutputStream;! K7 J, Z; J+ q5 s- |
import java.io.IOException;- _; c; X9 v/ H E) C
import java.io.ObjectInputStream;2 d0 H# t5 X2 o% G* ^ p
import java.io.ObjectOutputStream;; |) a7 P5 v, @# O: [
/ \& ?! O7 @- g) G
public class BPFactory {0 B& D6 _8 t' { f0 N\\" j
/**
# z( \/ X3 t6 F4 W' u
* BP神经网络元3 _% H( L r! d+ t9 N' d# E+ @2 b' N
*/9 ~% d' K) n2 l. V
private static BP bp;
% H7 ?' I2 u% q; B3 @/ q5 |
4 T/ r3 w/ q3 z; g4 R, p) j
/**
4 Z. c: B$ \& s6 W( A7 e
* 初始化一个全新的bp神经网络
\\" {$ b Z) }8 j) R+ X- O. n* q
* @param inputSize
! a. z$ e: O0 G% G6 N
* @param hiddenSize 2 Q- {$ [* d+ C {
* @param outputSize
, E8 S% }' G$ I# u7 s
*/0 b% [, m C/ d9 i( }\\" v' G3 }$ M4 k
public static void initialization(int inputSize,int hiddenSize,int outputSize) {/ T, Y+ I- u3 ^/ v2 \
bp=new BP(inputSize, hiddenSize, outputSize);
' f8 {# _6 W5 O7 c1 |! U
}
. F' d3 I, s3 f4 I
, Q0 S' C& J& i. T! T5 I* h
/**/ T9 t8 O- I0 l5 T ?
* 从文件数据中读取bp神经网络
6 x4 y/ W4 C$ [. Y6 t+ {
* @param file6 P$ _; }; G9 k, t
* @throws IOException5 v9 I# }3 z+ ]4 X3 Y' F( e
* @throws ClassNotFoundException
; D1 h' D5 C' u5 C' N! @3 M( O
*/
# l; S! y0 I0 n% [+ |( z% v
public static void initialization(File file) throws IOException, ClassNotFoundException { s7 X1 B: \5 r1 y! X
FileInputStream fi = new FileInputStream(file);
0 B4 v' l9 A$ W* b d* e
ObjectInputStream si = new ObjectInputStream(fi); - g& P, |& L; a2 ?, x; l$ P! S. B\\" W
bp = (BP) si.readObject(); / @8 g\\" ^- D9 h$ n& O& G
si.close();' W% C2 \3 v5 g- V& D- r$ Y
}$ `; O* @, g4 q% L7 h+ S1 G; b
& B( i3 g3 S. ~) }
/**8 V0 q! s8 D, n* f3 _0 N
* 将目前的神经网络储存在指定文件
6 z; W5 Z2 Z7 @6 }8 q% Z% v- R
* @param file
0 a2 F# n8 x- x5 M# G
* @throws IOException
0 D6 ]0 ~- ]) X) b) [$ V
*/0 q2 o4 e$ w- S0 \6 D) F( g
public static void save(File file) throws IOException {1 V: K) ]3 ~0 {& N9 d/ o! J& _
FileOutputStream fo = new FileOutputStream(file);3 X! a% Y! j) x+ g
ObjectOutputStream so = new ObjectOutputStream(fo);
& X- P1 s# Q% h& Y i( C& y/ E
so.writeObject(bp);
, a7 n- L* J% ?2 q; E% g
so.close();0 S! i9 N- J+ c2 G& G# L
}& O( r- Z5 T) A/ p
2 c2 t. a) r% X1 J7 L
/**
- A3 M7 C! |% t8 N F0 f* \- m
* 训练BP神经网络0 q/ ^+ P; @9 b
* @param trainData# z e L/ |# X7 K x
* @param target$ l; c/ F; Z. g\\" @9 l. Q
*/
& i0 J2 Y2 }& V4 j/ V5 ^
public static void train(double[] trainData, double[] target) {& K/ z; R* S% [# I8 V- A( @
bp.train(trainData, target);& u0 L9 k7 \$ k x1 j' J
}8 y1 c1 {, W7 A; z
- ^% b* Y0 H, G4 y( w
/**2 \$ m5 a& ~$ ]% _9 v; I
* 要求bp神经网络返回预测值1 E2 @% C* ~! e
* @param inData
3 i* B a/ ~& C& h' U& Y: d/ O6 T
* @return
\\" u2 c9 U# o9 |/ b; m! E4 i
*/ u3 r! ~8 J7 N
public static double[] test(double[] inData) {
: p. O9 C7 |' Q0 {
return bp.test(inData);; j, ?5 y* l8 S9 r' j( b4 L
}' K- u! }! B) Q3 p x# n
}

package ghost.writer.logic;9 o( r( E' T! i! e* a2 ~

v9 j, Y6 J  `$ e\\" {8 D
import java.io.File;' y  C* f: e3 a  u

import java.io.FileInputStream; 
4 O! P& j2 [* G( {) u
import java.io.FileOutputStream;! K7 J, Z; J+ q5 s- |

import java.io.IOException;- _; c; X9 v/ H  E) C

import java.io.ObjectInputStream;2 d0 H# t5 X2 o% G* ^  p

import java.io.ObjectOutputStream;; |) a7 P5 v, @# O: [

/ \& ?! O7 @- g) G
public class BPFactory {0 B& D6 _8 t' {  f0 N\\" j

/** 
# z( \/ X3 t6 F4 W' u
         * BP神经网络元3 _% H( L  r! d+ t9 N' d# E+ @2 b' N

*/9 ~% d' K) n2 l. V

private static BP bp; 
% H7 ?' I2 u% q; B3 @/ q5 |
        4 T/ r3 w/ q3 z; g4 R, p) j

/** 
4 Z. c: B$ \& s6 W( A7 e
         * 初始化一个全新的bp神经网络 
\\" {$ b  Z) }8 j) R+ X- O. n* q
         * @param inputSize 
! a. z$ e: O0 G% G6 N
         * @param hiddenSize 2 Q- {$ [* d+ C  {

* @param outputSize 
, E8 S% }' G$ I# u7 s
         */0 b% [, m  C/ d9 i( }\\" v' G3 }$ M4 k

public static void initialization(int inputSize,int hiddenSize,int outputSize) {/ T, Y+ I- u3 ^/ v2 \

bp=new BP(inputSize, hiddenSize, outputSize); 
' f8 {# _6 W5 O7 c1 |! U
        } 
. F' d3 I, s3 f4 I
        , Q0 S' C& J& i. T! T5 I* h

/**/ T9 t8 O- I0 l5 T  ?

* 从文件数据中读取bp神经网络 
6 x4 y/ W4 C$ [. Y6 t+ {
         * @param file6 P$ _; }; G9 k, t

* @throws IOException5 v9 I# }3 z+ ]4 X3 Y' F( e

* @throws ClassNotFoundException 
; D1 h' D5 C' u5 C' N! @3 M( O
         */ 
# l; S! y0 I0 n% [+ |( z% v
        public static void initialization(File file) throws IOException, ClassNotFoundException {  s7 X1 B: \5 r1 y! X

FileInputStream fi = new FileInputStream(file); 
0 B4 v' l9 A$ W* b  d* e
                ObjectInputStream si = new ObjectInputStream(fi); - g& P, |& L; a2 ?, x; l$ P! S. B\\" W

bp = (BP) si.readObject(); / @8 g\\" ^- D9 h$ n& O& G

si.close();' W% C2 \3 v5 g- V& D- r$ Y

}$ `; O* @, g4 q% L7 h+ S1 G; b

& B( i3 g3 S. ~) }
        /**8 V0 q! s8 D, n* f3 _0 N

* 将目前的神经网络储存在指定文件 
6 z; W5 Z2 Z7 @6 }8 q% Z% v- R
         * @param file 
0 a2 F# n8 x- x5 M# G
         * @throws IOException 
0 D6 ]0 ~- ]) X) b) [$ V
         */0 q2 o4 e$ w- S0 \6 D) F( g

public static void save(File file) throws IOException {1 V: K) ]3 ~0 {& N9 d/ o! J& _

FileOutputStream fo = new FileOutputStream(file);3 X! a% Y! j) x+ g

ObjectOutputStream so = new ObjectOutputStream(fo); 
& X- P1 s# Q% h& Y  i( C& y/ E
                so.writeObject(bp); 
, a7 n- L* J% ?2 q; E% g
                so.close();0 S! i9 N- J+ c2 G& G# L

}& O( r- Z5 T) A/ p

2 c2 t. a) r% X1 J7 L

/** 
- A3 M7 C! |% t8 N  F0 f* \- m
         * 训练BP神经网络0 q/ ^+ P; @9 b

* @param trainData# z  e  L/ |# X7 K  x

* @param target$ l; c/ F; Z. g\\" @9 l. Q

*/ 
& i0 J2 Y2 }& V4 j/ V5 ^
        public static void train(double[] trainData, double[] target) {& K/ z; R* S% [# I8 V- A( @

bp.train(trainData, target);& u0 L9 k7 \$ k  x1 j' J

}8 y1 c1 {, W7 A; z

- ^% b* Y0 H, G4 y( w
        /**2 \$ m5 a& ~$ ]% _9 v; I

* 要求bp神经网络返回预测值1 E2 @% C* ~! e

* @param inData 
3 i* B  a/ ~& C& h' U& Y: d/ O6 T
         * @return 
\\" u2 c9 U# o9 |/ b; m! E4 i
         */  u3 r! ~8 J7 N

public static double[] test(double[] inData) { 
: p. O9 C7 |' Q0 {
                return bp.test(inData);; j, ?5 y* l8 S9 r' j( b4 L