查看: 3459|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;
1 q$ w9 F8 S; ~( `2 k4 h( s
0 | s7 J! C0 H. n; t
import java.io.File;
7 \: v7 j# l) y( t
import java.io.FileInputStream;; Q) D; n' D1 o2 K, I+ Z% w. c, j
import java.io.FileOutputStream;2 U8 e0 ~& Z$ x1 a
import java.io.IOException;$ x r h/ q) x9 ?9 g5 `2 h4 R
import java.io.ObjectInputStream;, F: `# l4 E' h- q4 X4 ^
import java.io.ObjectOutputStream;5 \, ^+ }: Y: V7 \3 j f
A. b* _3 d! R3 X6 Z* z2 _6 }
public class BPFactory {
0 R( x) [3 X: A# [) G7 l1 V1 O( |6 S
/**1 R6 `: ?' n8 |/ i
* BP神经网络元
9 @+ O1 |& ~1 @: I* u* O- K: w
*/
+ b3 q. l0 v& _3 u
private static BP bp;! i, ^9 b6 f* g! p9 X2 s
\\" K; X) S0 x. f# T$ i
/**, U; J& n# g$ I$ c2 z* W
* 初始化一个全新的bp神经网络
( Z6 Y- h$ w- f& j
* @param inputSize5 d) i! O, Q! k( R) ]4 z+ T# @2 T
* @param hiddenSize
9 a* o3 b1 X. ~4 S
* @param outputSize f% J( L9 B# L: v+ [6 W) J
*/
/ `* u- X% ?3 V( ] {
public static void initialization(int inputSize,int hiddenSize,int outputSize) {6 W+ t. t3 C) S) z
bp=new BP(inputSize, hiddenSize, outputSize);; R2 f: |- E4 _' G K' W\\" y
}: ^/ w/ P, @+ L1 [) o! T+ { z. `
|' O4 t8 g3 Z0 k1 V
/**
( s) H0 a5 T. y2 d0 B- R
* 从文件数据中读取bp神经网络
/ i: f S( J/ R/ d V
* @param file
% J4 \! k; [# O9 Z: X4 q
* @throws IOException
3 U% P8 K0 r' o. _
* @throws ClassNotFoundException7 S7 V' h2 H. m- u\\" S4 j
*/0 r6 b: m* x B\\" g
public static void initialization(File file) throws IOException, ClassNotFoundException {. m$ C+ }4 B' G/ i; k% v: A
FileInputStream fi = new FileInputStream(file);\\" n) ~; z$ m1 G& N2 }' x9 w
ObjectInputStream si = new ObjectInputStream(fi);
2 k6 ]# L) E7 l5 N
bp = (BP) si.readObject();
% a! ~' k$ B( V8 \# a
si.close();, r\\" j& a9 H: l: h1 a) W
}
! D2 e\\" J! |6 X2 z' b
7 n5 @7 {; W9 r P2 o( ^
/**$ N0 h7 J3 _) |7 N
* 将目前的神经网络储存在指定文件
. A$ M x8 g4 ^% h# t5 a' O* _
* @param file+ R! f* j7 R& n( i8 n% i
* @throws IOException8 V) c0 A. D6 A: Z) F
*/
1 G- c1 y' @* `3 J
public static void save(File file) throws IOException {: a; T$ [& R- o. Z- d7 l# M! X
FileOutputStream fo = new FileOutputStream(file);
3 A% o5 o\\" r) R1 z. W) z
ObjectOutputStream so = new ObjectOutputStream(fo);
2 J0 F5 N1 j1 B5 w, e& P
so.writeObject(bp);$ b% z% k4 a8 T, o- ?
so.close();+ Q* J+ q6 [7 U; |* }
}
' h& B7 {' W, `- @, G# d: O8 r
/ |7 Z9 X2 L% D; r. j
/**
' I3 H/ p: m. f A1 q# [
* 训练BP神经网络
( B/ m2 L W/ D7 D$ B: @
* @param trainData
+ K+ A2 f' I% _
* @param target' o1 N3 W1 l2 _: E
*/
! c. H' B3 A3 q- M+ I& i
public static void train(double[] trainData, double[] target) {
* Y! O$ N8 J' m) G$ z$ ~% U0 V
bp.train(trainData, target);
$ {6 F, q- t4 s$ b$ o: y1 n, @; P
}3 j2 r( R. M' t/ b8 W' G\\" h) B
5 @& _4 v# n$ s9 m
/**/ l( T& L0 j1 u! B' G2 A+ ~$ T
* 要求bp神经网络返回预测值
, d: A% \\\" O3 G! K$ _
* @param inData2 r7 ^\\" ?5 T3 h1 G& x
* @return
& d! {5 P; N' W
*/
% S9 v: \( T8 @2 P7 b
public static double[] test(double[] inData) {
1 x5 Z. B6 T7 A( b9 t5 H! \! k
return bp.test(inData);
$ q2 K) A& k1 e$ q
}2 p1 ~* E4 C! \6 _5 |; `
}

package ghost.writer.logic; 
1 q$ w9 F8 S; ~( `2 k4 h( s
0 |  s7 J! C0 H. n; t

import java.io.File; 
7 \: v7 j# l) y( t
import java.io.FileInputStream;; Q) D; n' D1 o2 K, I+ Z% w. c, j

import java.io.FileOutputStream;2 U8 e0 ~& Z$ x1 a

import java.io.IOException;$ x  r  h/ q) x9 ?9 g5 `2 h4 R

import java.io.ObjectInputStream;, F: `# l4 E' h- q4 X4 ^

import java.io.ObjectOutputStream;5 \, ^+ }: Y: V7 \3 j  f

A. b* _3 d! R3 X6 Z* z2 _6 }
public class BPFactory { 
0 R( x) [3 X: A# [) G7 l1 V1 O( |6 S
        /**1 R6 `: ?' n8 |/ i

* BP神经网络元 
9 @+ O1 |& ~1 @: I* u* O- K: w
         */ 
+ b3 q. l0 v& _3 u
        private static BP bp;! i, ^9 b6 f* g! p9 X2 s

\\" K; X) S0 x. f# T$ i

/**, U; J& n# g$ I$ c2 z* W

* 初始化一个全新的bp神经网络 
( Z6 Y- h$ w- f& j
         * @param inputSize5 d) i! O, Q! k( R) ]4 z+ T# @2 T

* @param hiddenSize 
9 a* o3 b1 X. ~4 S
         * @param outputSize  f% J( L9 B# L: v+ [6 W) J

*/ 
/ `* u- X% ?3 V( ]  {
        public static void initialization(int inputSize,int hiddenSize,int outputSize) {6 W+ t. t3 C) S) z

bp=new BP(inputSize, hiddenSize, outputSize);; R2 f: |- E4 _' G  K' W\\" y

}: ^/ w/ P, @+ L1 [) o! T+ {  z. `

|' O4 t8 g3 Z0 k1 V
        /** 
( s) H0 a5 T. y2 d0 B- R
         * 从文件数据中读取bp神经网络 
/ i: f  S( J/ R/ d  V
         * @param file 
% J4 \! k; [# O9 Z: X4 q
         * @throws IOException 
3 U% P8 K0 r' o. _
         * @throws ClassNotFoundException7 S7 V' h2 H. m- u\\" S4 j

*/0 r6 b: m* x  B\\" g

public static void initialization(File file) throws IOException, ClassNotFoundException {. m$ C+ }4 B' G/ i; k% v: A

FileInputStream fi = new FileInputStream(file);\\" n) ~; z$ m1 G& N2 }' x9 w

ObjectInputStream si = new ObjectInputStream(fi); 
2 k6 ]# L) E7 l5 N
                bp = (BP) si.readObject(); 
% a! ~' k$ B( V8 \# a
                si.close();, r\\" j& a9 H: l: h1 a) W

} 
! D2 e\\" J! |6 X2 z' b
        
7 n5 @7 {; W9 r  P2 o( ^
        /**$ N0 h7 J3 _) |7 N

* 将目前的神经网络储存在指定文件 
. A$ M  x8 g4 ^% h# t5 a' O* _
         * @param file+ R! f* j7 R& n( i8 n% i

* @throws IOException8 V) c0 A. D6 A: Z) F

*/ 
1 G- c1 y' @* `3 J
        public static void save(File file) throws IOException {: a; T$ [& R- o. Z- d7 l# M! X

FileOutputStream fo = new FileOutputStream(file); 
3 A% o5 o\\" r) R1 z. W) z
                ObjectOutputStream so = new ObjectOutputStream(fo); 
2 J0 F5 N1 j1 B5 w, e& P
                so.writeObject(bp);$ b% z% k4 a8 T, o- ?

so.close();+ Q* J+ q6 [7 U; |* }

} 
' h& B7 {' W, `- @, G# d: O8 r
        
/ |7 Z9 X2 L% D; r. j
        /** 
' I3 H/ p: m. f  A1 q# [
         * 训练BP神经网络 
( B/ m2 L  W/ D7 D$ B: @
         * @param trainData 
+ K+ A2 f' I% _
         * @param target' o1 N3 W1 l2 _: E

*/ 
! c. H' B3 A3 q- M+ I& i
        public static void train(double[] trainData, double[] target) { 
* Y! O$ N8 J' m) G$ z$ ~% U0 V
                bp.train(trainData, target); 
$ {6 F, q- t4 s$ b$ o: y1 n, @; P
        }3 j2 r( R. M' t/ b8 W' G\\" h) B

5 @& _4 v# n$ s9 m
        /**/ l( T& L0 j1 u! B' G2 A+ ~$ T

* 要求bp神经网络返回预测值 
, d: A% \\\" O3 G! K$ _
         * @param inData2 r7 ^\\" ?5 T3 h1 G& x

* @return 
& d! {5 P; N' W
         */ 
% S9 v: \( T8 @2 P7 b
        public static double[] test(double[] inData) { 
1 x5 Z. B6 T7 A( b9 t5 H! \! k
                return bp.test(inData); 
$ q2 K) A& k1 e$ q
        }2 p1 ~* E4 C! \6 _5 |; `

}

zan

网络