查看: 3407|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;
( i! s- d. \4 J4 u- a5 G% i# z, D
& e/ \: a# X6 n6 q4 m9 {
import java.io.File;
* a8 V2 O2 b9 U/ d
import java.io.FileInputStream;- d& f3 h# o; A9 L
import java.io.FileOutputStream;9 N, n. g7 s\\" e5 ~' F
import java.io.IOException;
, l* U- {5 z$ l* G
import java.io.ObjectInputStream;* m* C+ p9 Z4 x4 W) `; f; _
import java.io.ObjectOutputStream;
, R* B& M% h9 P, ^- }
7 \( u$ X/ A7 @/ T/ _/ q
public class BPFactory {6 O/ C4 f- g2 I$ u/ z
/**
4 a: C- s7 l& _. K. C. T\\" ^% S
* BP神经网络元
% s9 f! A- @, k- q$ t E m
*/2 n* u0 f0 j5 P\\" ^- f/ [! b) f' I: T
private static BP bp;
8 |. m& ~4 x& U# d. J
, }& N' s$ V6 o+ H4 n7 |
/**
1 b\\" e% ? C3 f5 F8 B$ i) ?' {/ ~
* 初始化一个全新的bp神经网络
) V\\" V& H& |- ~1 G% `
* @param inputSize9 i. X) |$ o! y\\" \$ d) X6 m
* @param hiddenSize
# V! T6 V% R/ `1 `
* @param outputSize
( w: K, \7 f+ ^, ^. R3 P& v T, `
*/* b\\" u' W* n. z. P1 t
public static void initialization(int inputSize,int hiddenSize,int outputSize) {' Y9 T$ }1 A' C- D- Q
bp=new BP(inputSize, hiddenSize, outputSize);8 y& C j0 P1 P8 k
}
/ i( Z* L\\" I( i
/ Q\\" w; t& W+ e
/**
0 C j9 v; r6 C' [8 @; j4 z
* 从文件数据中读取bp神经网络
. }, f! C/ t- T3 b& v
* @param file7 @# T' h+ @1 n' S* U8 m+ k
* @throws IOException5 `4 r% Y( e) V! x
* @throws ClassNotFoundException
$ B( D; @8 e' c% E( I2 Y+ }
*/7 `) B6 J8 Y a; _- c: F/ h1 z
public static void initialization(File file) throws IOException, ClassNotFoundException {
) j4 Y3 N f. Z8 x# X# r) ]
FileInputStream fi = new FileInputStream(file);
: o, t8 l! X) D0 T \ Y
ObjectInputStream si = new ObjectInputStream(fi);
3 z( T* y7 n8 N i ^% O0 Z6 g& r
bp = (BP) si.readObject(); : q; ^2 O' [\\" p
si.close();, U2 ^0 H* I! p0 ~
}8 M3 C3 z9 \- v) N: `
6 {$ K$ Y1 w4 D( Y. ^
/**, p& I3 d1 `& x! N; _5 ?! T
* 将目前的神经网络储存在指定文件
7 d) X% g4 k$ U( V\\" B
* @param file
* G9 k\\" M! b$ n% C5 Y7 j1 ?
* @throws IOException
8 P$ k Q. v0 P/ q
*/
! `& w0 b( k) x) H
public static void save(File file) throws IOException {
! J# a* v6 m5 u1 F
FileOutputStream fo = new FileOutputStream(file);
C0 i6 `# f: s' F; z
ObjectOutputStream so = new ObjectOutputStream(fo);! @- a3 I! C# [6 {# y$ _
so.writeObject(bp);
8 H$ s3 y6 t1 U4 y4 R) V. y
so.close();
) V. _ L! m9 l3 K0 e
}
$ b& `5 u- d- f3 ]$ V
2 p5 H( x$ ?0 B: @4 y
/**# C( p( A% L+ g+ u0 U
* 训练BP神经网络
. @/ | s* P% G3 k2 u
* @param trainData7 x: x* B4 z7 t\\" q f
* @param target, ^4 r2 q2 Y) y @1 W( O g
*/' r$ x# C' d, W3 l8 N
public static void train(double[] trainData, double[] target) {$ @& [$ F) N2 y+ H
bp.train(trainData, target);
}
' U' {# O# }& W! I: t
7 `8 ?: ]1 }2 e/ d: W1 M; ?
/**
+ i' J5 }% v5 r
* 要求bp神经网络返回预测值
, C$ r: e) R\\" f2 _
* @param inData
5 W& ~0 h* g# M2 X3 @. J+ f2 ~
* @return1 {; `- j0 e0 Q- a& [
*/
: r- r& f1 c' I\\" k
public static double[] test(double[] inData) {7 K P8 r; c7 c$ f2 V
return bp.test(inData);4 f5 ^, A! W6 L0 R* D' z2 ^
}4 K8 m2 D! r& n& o0 x7 g, h
}

package ghost.writer.logic; 
( i! s- d. \4 J4 u- a5 G% i# z, D
 
& e/ \: a# X6 n6 q4 m9 {
import java.io.File; 
* a8 V2 O2 b9 U/ d
import java.io.FileInputStream;- d& f3 h# o; A9 L

import java.io.FileOutputStream;9 N, n. g7 s\\" e5 ~' F

import java.io.IOException; 
, l* U- {5 z$ l* G
import java.io.ObjectInputStream;* m* C+ p9 Z4 x4 W) `; f; _

import java.io.ObjectOutputStream; 
, R* B& M% h9 P, ^- }
 
7 \( u$ X/ A7 @/ T/ _/ q
public class BPFactory {6 O/ C4 f- g2 I$ u/ z

/** 
4 a: C- s7 l& _. K. C. T\\" ^% S
         * BP神经网络元 
% s9 f! A- @, k- q$ t  E  m
         */2 n* u0 f0 j5 P\\" ^- f/ [! b) f' I: T

private static BP bp; 
8 |. m& ~4 x& U# d. J
        
, }& N' s$ V6 o+ H4 n7 |
        /** 
1 b\\" e% ?  C3 f5 F8 B$ i) ?' {/ ~
         * 初始化一个全新的bp神经网络 
) V\\" V& H& |- ~1 G% `
         * @param inputSize9 i. X) |$ o! y\\" \$ d) X6 m

* @param hiddenSize 
# V! T6 V% R/ `1 `
         * @param outputSize 
( w: K, \7 f+ ^, ^. R3 P& v  T, `
         */* b\\" u' W* n. z. P1 t

public static void initialization(int inputSize,int hiddenSize,int outputSize) {' Y9 T$ }1 A' C- D- Q

bp=new BP(inputSize, hiddenSize, outputSize);8 y& C  j0 P1 P8 k

} 
/ i( Z* L\\" I( i
        / Q\\" w; t& W+ e

/** 
0 C  j9 v; r6 C' [8 @; j4 z
         * 从文件数据中读取bp神经网络 
. }, f! C/ t- T3 b& v
         * @param file7 @# T' h+ @1 n' S* U8 m+ k

* @throws IOException5 `4 r% Y( e) V! x

* @throws ClassNotFoundException 
$ B( D; @8 e' c% E( I2 Y+ }
         */7 `) B6 J8 Y  a; _- c: F/ h1 z

public static void initialization(File file) throws IOException, ClassNotFoundException { 
) j4 Y3 N  f. Z8 x# X# r) ]
                FileInputStream fi = new FileInputStream(file); 
: o, t8 l! X) D0 T  \  Y
                ObjectInputStream si = new ObjectInputStream(fi); 
3 z( T* y7 n8 N  i  ^% O0 Z6 g& r
                bp = (BP) si.readObject(); : q; ^2 O' [\\" p

si.close();, U2 ^0 H* I! p0 ~

}8 M3 C3 z9 \- v) N: `

6 {$ K$ Y1 w4 D( Y. ^
        /**, p& I3 d1 `& x! N; _5 ?! T

* 将目前的神经网络储存在指定文件 
7 d) X% g4 k$ U( V\\" B
         * @param file 
* G9 k\\" M! b$ n% C5 Y7 j1 ?
         * @throws IOException 
8 P$ k  Q. v0 P/ q
         */ 
! `& w0 b( k) x) H
        public static void save(File file) throws IOException { 
! J# a* v6 m5 u1 F
                FileOutputStream fo = new FileOutputStream(file); 
  C0 i6 `# f: s' F; z
                ObjectOutputStream so = new ObjectOutputStream(fo);! @- a3 I! C# [6 {# y$ _

so.writeObject(bp); 
8 H$ s3 y6 t1 U4 y4 R) V. y
                so.close(); 
) V. _  L! m9 l3 K0 e
        } 
$ b& `5 u- d- f3 ]$ V
        2 p5 H( x$ ?0 B: @4 y

/**# C( p( A% L+ g+ u0 U

* 训练BP神经网络 
. @/ |  s* P% G3 k2 u
         * @param trainData7 x: x* B4 z7 t\\" q  f

* @param target, ^4 r2 q2 Y) y  @1 W( O  g

*/' r$ x# C' d, W3 l8 N

public static void train(double[] trainData, double[] target) {$ @& [$ F) N2 y+ H

bp.train(trainData, target); 
2 r$ _% N, p$ }( Q* r; p2 R; m3 G\\" T  Y
        } 
' U' {# O# }& W! I: t
        
7 `8 ?: ]1 }2 e/ d: W1 M; ?
        /** 
+ i' J5 }% v5 r
         * 要求bp神经网络返回预测值 
, C$ r: e) R\\" f2 _
         * @param inData 
5 W& ~0 h* g# M2 X3 @. J+ f2 ~
         * @return1 {; `- j0 e0 Q- a& [

*/ 
: r- r& f1 c' I\\" k
        public static double[] test(double[] inData) {7 K  P8 r; c7 c$ f2 V

return bp.test(inData);4 f5 ^, A! W6 L0 R* D' z2 ^

}4 K8 m2 D! r& n& o0 x7 g, h

}

zan

网络