查看: 3578|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;# O) @. z# d. V6 a7 x+ c7 k
( m r P\\" W. m; n# J
import java.io.File;1 ]* a5 ^& H! h: @3 P# c
import java.io.FileInputStream;
9 s* o) s Q8 H0 d
import java.io.FileOutputStream;: X' I( V$ c' p' e$ @ T' q
import java.io.IOException;
% U8 V* S& c4 L$ [( c& n& P
import java.io.ObjectInputStream;
- A. t% M e7 T! m0 t* E, u1 R. Z
import java.io.ObjectOutputStream;: i; e! q' L; k7 ~: U% j
( S\\" I! X. S/ K2 B1 [. A
public class BPFactory {
* Z9 ?# _- @, g( L0 K' C
/**3 C! ^3 w! j, C0 o
* BP神经网络元# P; v; l7 ^+ q
*/& f6 g5 X: |2 B. ?* Y+ d9 C
private static BP bp;, P% D) Z- u' {, {
* I# Q8 [1 D$ I
/**
+ u8 E6 z, c+ s
* 初始化一个全新的bp神经网络2 f5 A$ W( h5 p) w5 L! u
* @param inputSize( B+ N* L; l\\" a\\" q7 b) ^( p- G
* @param hiddenSize 9 m: t R& M* P) y8 f
* @param outputSize8 J( s+ j3 U& K) V7 b( D7 [) _4 J\\" _
*/
* _& X/ Q0 z, b* T5 a. ?
public static void initialization(int inputSize,int hiddenSize,int outputSize) {
\\" K( T b7 N% n R l7 Z5 r
bp=new BP(inputSize, hiddenSize, outputSize);8 E\\" @) T& [% |* u# k3 U
}9 z1 j3 a- I3 S. |& p
3 e% _9 \' ^6 | }, e5 c\\" ~
/**3 f, ^: M. l' ~3 n- R
* 从文件数据中读取bp神经网络/ w! `0 O3 S! _; _4 o( b
* @param file- w6 R8 p7 b% H
* @throws IOException( |! d: t3 F, J# L/ P' y
* @throws ClassNotFoundException
6 }) c$ z2 }0 @' P- M
*/
) A5 A9 ~0 g8 ?3 R& N8 o# [
public static void initialization(File file) throws IOException, ClassNotFoundException {
0 c: z5 M9 o& A
FileInputStream fi = new FileInputStream(file);3 ^; F( @; L7 j6 q; a5 ?
ObjectInputStream si = new ObjectInputStream(fi);
9 ]\\" r+ [7 `9 W1 E6 K, G9 ~
bp = (BP) si.readObject(); $ a1 L6 ^' E7 h
si.close();* [2 r C+ m6 D
}
A% x! W2 u, n8 t! ^, h
s/ S' v2 l% c4 Z/ {6 \# @
/**6 b; H9 X/ A) l ~) x\\" K$ y
* 将目前的神经网络储存在指定文件
l) h& C2 G4 `1 j( `8 e2 L8 E
* @param file
- }/ w\\" `# E5 w
* @throws IOException
; {% i& C6 k+ u4 ?1 a, p
*/\\" s: u/ Q3 `: a' G6 ~$ Y1 V, t9 i
public static void save(File file) throws IOException {
% _. Z0 m; ?' s; S
FileOutputStream fo = new FileOutputStream(file);
1 R2 @* l' `7 q1 v
ObjectOutputStream so = new ObjectOutputStream(fo);
$ y, N/ U+ ~. @$ \9 h8 }
so.writeObject(bp);1 j& d% _; ]2 C) r% A
so.close();; Z& L/ v t$ G' P5 |
}; r- H6 O: t\\" i& C! M+ q
, l\\" f3 r$ k2 J
/**6 H3 I5 _6 w/ p& p& q0 m$ i
* 训练BP神经网络/ ?; s3 o* O9 Z# j* c
* @param trainData
$ n, }. w3 Q: d' D
* @param target
5 k( N3 s. b7 m, q1 \) M+ X
*/' F9 `1 O/ p0 x4 ~, _
public static void train(double[] trainData, double[] target) {, E% ?& A3 q! [; Z! r- A$ U6 Y\\" t7 |
bp.train(trainData, target);4 e+ V. h0 K0 L! ~* b; y
}4 Z) {* q6 i, p$ K
& G\\" X* ?0 ]3 ~ Y: g
/**
! U+ V% B0 Z0 F% y. S5 Y
* 要求bp神经网络返回预测值
' D) v. T: C9 r% X
* @param inData$ n3 z5 Z8 r. Y' {1 q3 l
* @return
% d! U4 s$ i; N; [# f
*/
3 X1 b& r1 t! H p r9 Y0 Q9 N
public static double[] test(double[] inData) {; e, [, I- {: c. `( ?\\" L$ E+ x% A
return bp.test(inData);0 c' l0 e, z J1 e$ ^5 Q2 d0 p
}8 |: O' K- y( L6 c4 `5 j
}

package ghost.writer.logic;# O) @. z# d. V6 a7 x+ c7 k

( m  r  P\\" W. m; n# J
import java.io.File;1 ]* a5 ^& H! h: @3 P# c

import java.io.FileInputStream; 
9 s* o) s  Q8 H0 d
import java.io.FileOutputStream;: X' I( V$ c' p' e$ @  T' q

import java.io.IOException; 
% U8 V* S& c4 L$ [( c& n& P
import java.io.ObjectInputStream; 
- A. t% M  e7 T! m0 t* E, u1 R. Z
import java.io.ObjectOutputStream;: i; e! q' L; k7 ~: U% j

( S\\" I! X. S/ K2 B1 [. A
public class BPFactory { 
* Z9 ?# _- @, g( L0 K' C
        /**3 C! ^3 w! j, C0 o

* BP神经网络元# P; v; l7 ^+ q

*/& f6 g5 X: |2 B. ?* Y+ d9 C

private static BP bp;, P% D) Z- u' {, {

* I# Q8 [1 D$ I

/** 
+ u8 E6 z, c+ s
         * 初始化一个全新的bp神经网络2 f5 A$ W( h5 p) w5 L! u

* @param inputSize( B+ N* L; l\\" a\\" q7 b) ^( p- G

* @param hiddenSize 9 m: t  R& M* P) y8 f

* @param outputSize8 J( s+ j3 U& K) V7 b( D7 [) _4 J\\" _

*/ 
* _& X/ Q0 z, b* T5 a. ?
        public static void initialization(int inputSize,int hiddenSize,int outputSize) { 
\\" K( T  b7 N% n  R  l7 Z5 r
                bp=new BP(inputSize, hiddenSize, outputSize);8 E\\" @) T& [% |* u# k3 U

}9 z1 j3 a- I3 S. |& p

3 e% _9 \' ^6 |  }, e5 c\\" ~
        /**3 f, ^: M. l' ~3 n- R

* 从文件数据中读取bp神经网络/ w! `0 O3 S! _; _4 o( b

* @param file- w6 R8 p7 b% H

* @throws IOException( |! d: t3 F, J# L/ P' y

* @throws ClassNotFoundException 
6 }) c$ z2 }0 @' P- M
         */ 
) A5 A9 ~0 g8 ?3 R& N8 o# [
        public static void initialization(File file) throws IOException, ClassNotFoundException { 
0 c: z5 M9 o& A
                FileInputStream fi = new FileInputStream(file);3 ^; F( @; L7 j6 q; a5 ?

ObjectInputStream si = new ObjectInputStream(fi); 
9 ]\\" r+ [7 `9 W1 E6 K, G9 ~
                bp = (BP) si.readObject(); $ a1 L6 ^' E7 h

si.close();* [2 r  C+ m6 D

} 
  A% x! W2 u, n8 t! ^, h
          s/ S' v2 l% c4 Z/ {6 \# @

/**6 b; H9 X/ A) l  ~) x\\" K$ y

* 将目前的神经网络储存在指定文件 
  l) h& C2 G4 `1 j( `8 e2 L8 E
         * @param file 
- }/ w\\" `# E5 w
         * @throws IOException 
; {% i& C6 k+ u4 ?1 a, p
         */\\" s: u/ Q3 `: a' G6 ~$ Y1 V, t9 i

public static void save(File file) throws IOException { 
% _. Z0 m; ?' s; S
                FileOutputStream fo = new FileOutputStream(file); 
1 R2 @* l' `7 q1 v
                ObjectOutputStream so = new ObjectOutputStream(fo); 
$ y, N/ U+ ~. @$ \9 h8 }
                so.writeObject(bp);1 j& d% _; ]2 C) r% A

so.close();; Z& L/ v  t$ G' P5 |

}; r- H6 O: t\\" i& C! M+ q

, l\\" f3 r$ k2 J

/**6 H3 I5 _6 w/ p& p& q0 m$ i

* 训练BP神经网络/ ?; s3 o* O9 Z# j* c

* @param trainData 
$ n, }. w3 Q: d' D
         * @param target 
5 k( N3 s. b7 m, q1 \) M+ X
         */' F9 `1 O/ p0 x4 ~, _

public static void train(double[] trainData, double[] target) {, E% ?& A3 q! [; Z! r- A$ U6 Y\\" t7 |

bp.train(trainData, target);4 e+ V. h0 K0 L! ~* b; y

}4 Z) {* q6 i, p$ K

& G\\" X* ?0 ]3 ~  Y: g
        /** 
! U+ V% B0 Z0 F% y. S5 Y
         * 要求bp神经网络返回预测值 
' D) v. T: C9 r% X
         * @param inData$ n3 z5 Z8 r. Y' {1 q3 l

* @return 
% d! U4 s$ i; N; [# f
         */ 
3 X1 b& r1 t! H  p  r9 Y0 Q9 N
        public static double[] test(double[] inData) {; e, [, I- {: c. `( ?\\" L$ E+ x% A

return bp.test(inData);0 c' l0 e, z  J1 e$ ^5 Q2 d0 p

}8 |: O' K- y( L6 c4 `5 j

}

zan

网络