查看: 3522|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;
9 S5 f o\\" P6 A7 [
3 N: [9 _3 p* X, N6 G
import java.io.File;
V# } v6 z# X5 z( R/ j. j
import java.io.FileInputStream;- p; {. ?\\" W4 F6 }& u; V2 H; ~
import java.io.FileOutputStream;
! v7 U' ] N! d$ n* C, y% J
import java.io.IOException;
( d _6 K; M/ |1 H& |
import java.io.ObjectInputStream;: [5 i I! T+ j7 J$ b0 K7 i
import java.io.ObjectOutputStream;
1 \) g, @/ i0 w& v7 \; S: {
! b5 L) I0 _8 }6 r: |
public class BPFactory {+ q9 W! n\\" f: `6 H6 r
/**
9 p. @) L\\" i* k
* BP神经网络元
8 W+ O. I8 g3 b( C ^
*/
7 P6 J: g. o; S. k
private static BP bp; p\\" v4 V J8 {1 G% {
7 n! d* y9 g* q& c) j; ^& |4 e% S
/**3 a/ ^( t2 }! ~/ O( u' P8 i
* 初始化一个全新的bp神经网络5 H6 X1 z+ p% A
* @param inputSize! | \; n2 h) v% n0 a
* @param hiddenSize P0 x+ Y% F4 K
* @param outputSize f, \3 A, H4 H7 p! I% T
*/
$ } I! V6 o: {8 X K2 W' Z
public static void initialization(int inputSize,int hiddenSize,int outputSize) {
4 e& w# X; _$ m! y/ p- X% `4 H q
bp=new BP(inputSize, hiddenSize, outputSize);
; Y/ Z1 P+ x( ~0 R6 e
}0 H9 C2 h1 [. ^% Q
% _/ D3 O! P, J- p) _. f
/**
+ {+ Y# }% H3 B/ o; N9 w
* 从文件数据中读取bp神经网络\\" g% {3 e t# \* b0 Y4 Y# B, m
* @param file
\\" @/ O! x0 G1 G\\" w\\" I6 S
* @throws IOException
3 _% G) w8 o+ [8 b
* @throws ClassNotFoundException
\\" z' p: g3 }+ v) {! E/ Q) D
*/
+ v4 F1 }7 l# B; q; V\\" K
public static void initialization(File file) throws IOException, ClassNotFoundException {0 n3 p! m3 W/ b( q1 T* F: @
FileInputStream fi = new FileInputStream(file);
8 Z l$ y! K8 J8 s( {3 |\\" J
ObjectInputStream si = new ObjectInputStream(fi); * f7 [. [ }! L\\" \$ V$ H' Q1 b
bp = (BP) si.readObject();
) s( [' q' k+ q+ n
si.close();! ~' J5 u/ i. w
}) I U+ O- u8 B4 W
6 t; O3 L+ j! y5 U
/**# P, _2 ]$ | I# C! E
* 将目前的神经网络储存在指定文件
6 P# d1 p/ c/ ]0 t$ V6 R
* @param file4 b, e% s: r\\" O N1 G$ c# A( u; N9 o
* @throws IOException
7 F% i! ?' P: W% J% S- ^
*/! H5 j0 T6 p* L
public static void save(File file) throws IOException {
' K. B3 S: k' ^, e9 R
FileOutputStream fo = new FileOutputStream(file);
9 ?0 Y+ L, x. d4 ^
ObjectOutputStream so = new ObjectOutputStream(fo);
% k5 T8 k( o9 e2 _! y; l8 H/ |* ]
so.writeObject(bp);
) F! v! L5 P F) b3 s& k; A: a, p
so.close();
4 w- c: c% s1 `, P2 Z& l6 ?
}# q& i# f1 x6 R$ q
\\" ~( H: Z1 l9 [! V9 E
/**, L0 S3 G f; s& ^# j7 r, j
* 训练BP神经网络8 X, V# V* X! g3 \* _8 |: L' j
* @param trainData
: Y- t, {+ H* A8 @+ B8 \% b9 e
* @param target$ c# M8 C: }+ y2 m1 `- i- r% A- J$ k$ j
*/# j- {8 w1 r# a* K
public static void train(double[] trainData, double[] target) {7 |, r) U3 Q. q
bp.train(trainData, target);4 g q( k5 ^2 z0 r* L6 i
}9 R$ q6 h1 B. C, M& v b! |7 Q
; [' I9 r8 l' G# i: Y
/**+ K' d; j8 V0 ^
* 要求bp神经网络返回预测值0 d/ U& S6 K/ @& ?, Z) R; F
* @param inData
\\" h$ u4 N$ I4 X* q2 N
* @return
~9 t2 r- J+ R' e5 E% i; Y# T
*/) I& r$ I' M+ v& {& n0 S
public static double[] test(double[] inData) {% p0 @0 f- ]5 U9 N1 Q& U
return bp.test(inData);/ F9 z5 u! q( a2 ~
}
% |) o( F8 s\\" a( k; b
}

package ghost.writer.logic; 
9 S5 f  o\\" P6 A7 [
 
3 N: [9 _3 p* X, N6 G
import java.io.File; 
  V# }  v6 z# X5 z( R/ j. j
import java.io.FileInputStream;- p; {. ?\\" W4 F6 }& u; V2 H; ~

import java.io.FileOutputStream; 
! v7 U' ]  N! d$ n* C, y% J
import java.io.IOException; 
( d  _6 K; M/ |1 H& |
import java.io.ObjectInputStream;: [5 i  I! T+ j7 J$ b0 K7 i

import java.io.ObjectOutputStream; 
1 \) g, @/ i0 w& v7 \; S: {
! b5 L) I0 _8 }6 r: |

public class BPFactory {+ q9 W! n\\" f: `6 H6 r

/** 
9 p. @) L\\" i* k
         * BP神经网络元 
8 W+ O. I8 g3 b( C  ^
         */ 
7 P6 J: g. o; S. k
        private static BP bp;  p\\" v4 V  J8 {1 G% {

7 n! d* y9 g* q& c) j; ^& |4 e% S
        /**3 a/ ^( t2 }! ~/ O( u' P8 i

* 初始化一个全新的bp神经网络5 H6 X1 z+ p% A

* @param inputSize! |  \; n2 h) v% n0 a

* @param hiddenSize   P0 x+ Y% F4 K

* @param outputSize  f, \3 A, H4 H7 p! I% T

*/ 
$ }  I! V6 o: {8 X  K2 W' Z
        public static void initialization(int inputSize,int hiddenSize,int outputSize) { 
4 e& w# X; _$ m! y/ p- X% `4 H  q
                bp=new BP(inputSize, hiddenSize, outputSize); 
; Y/ Z1 P+ x( ~0 R6 e
        }0 H9 C2 h1 [. ^% Q

% _/ D3 O! P, J- p) _. f
        /** 
+ {+ Y# }% H3 B/ o; N9 w
         * 从文件数据中读取bp神经网络\\" g% {3 e  t# \* b0 Y4 Y# B, m

* @param file 
\\" @/ O! x0 G1 G\\" w\\" I6 S
         * @throws IOException 
3 _% G) w8 o+ [8 b
         * @throws ClassNotFoundException 
\\" z' p: g3 }+ v) {! E/ Q) D
         */ 
+ v4 F1 }7 l# B; q; V\\" K
        public static void initialization(File file) throws IOException, ClassNotFoundException {0 n3 p! m3 W/ b( q1 T* F: @

FileInputStream fi = new FileInputStream(file); 
8 Z  l$ y! K8 J8 s( {3 |\\" J
                ObjectInputStream si = new ObjectInputStream(fi); * f7 [. [  }! L\\" \$ V$ H' Q1 b

bp = (BP) si.readObject(); 
) s( [' q' k+ q+ n
                si.close();! ~' J5 u/ i. w

}) I  U+ O- u8 B4 W

6 t; O3 L+ j! y5 U
        /**# P, _2 ]$ |  I# C! E

* 将目前的神经网络储存在指定文件 
6 P# d1 p/ c/ ]0 t$ V6 R
         * @param file4 b, e% s: r\\" O  N1 G$ c# A( u; N9 o

* @throws IOException 
7 F% i! ?' P: W% J% S- ^
         */! H5 j0 T6 p* L

public static void save(File file) throws IOException { 
' K. B3 S: k' ^, e9 R
                FileOutputStream fo = new FileOutputStream(file); 
9 ?0 Y+ L, x. d4 ^
                ObjectOutputStream so = new ObjectOutputStream(fo); 
% k5 T8 k( o9 e2 _! y; l8 H/ |* ]
                so.writeObject(bp); 
) F! v! L5 P  F) b3 s& k; A: a, p
                so.close(); 
4 w- c: c% s1 `, P2 Z& l6 ?
        }# q& i# f1 x6 R$ q

\\" ~( H: Z1 l9 [! V9 E
        /**, L0 S3 G  f; s& ^# j7 r, j

* 训练BP神经网络8 X, V# V* X! g3 \* _8 |: L' j

* @param trainData 
: Y- t, {+ H* A8 @+ B8 \% b9 e
         * @param target$ c# M8 C: }+ y2 m1 `- i- r% A- J$ k$ j

*/# j- {8 w1 r# a* K

public static void train(double[] trainData, double[] target) {7 |, r) U3 Q. q

bp.train(trainData, target);4 g  q( k5 ^2 z0 r* L6 i

}9 R$ q6 h1 B. C, M& v  b! |7 Q

; [' I9 r8 l' G# i: Y

/**+ K' d; j8 V0 ^

* 要求bp神经网络返回预测值0 d/ U& S6 K/ @& ?, Z) R; F

* @param inData 
\\" h$ u4 N$ I4 X* q2 N
         * @return 
  ~9 t2 r- J+ R' e5 E% i; Y# T
         */) I& r$ I' M+ v& {& n0 S

public static double[] test(double[] inData) {% p0 @0 f- ]5 U9 N1 Q& U