查看: 3417|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;
\\" [3 G& C\\" |# B# B9 K' [
: S$ l9 Y; [+ e3 B& i. t
import java.io.File;
: |# U( L5 N* V! {$ j: b
import java.io.FileInputStream;
4 L0 J% c+ Z( J* D3 a9 T* W
import java.io.FileOutputStream;
& w$ q( R! z+ C5 [: u3 r
import java.io.IOException;9 ^. H; \7 a7 A3 j9 U/ R. K( |
import java.io.ObjectInputStream;
7 g1 ^+ A) v, W8 h7 v# ^# i0 t
import java.io.ObjectOutputStream;
( j1 Z. ~( ]+ w) M# {4 A
! y* e5 C# F( A4 T/ B
public class BPFactory {
1 u) A; ]- }- c- P/ r
/**
( H5 t( X$ \# b\\" m
* BP神经网络元
+ H) e7 S: ~2 [/ E6 W+ J
*/) R* W\\" A* ?. }. b% l( b' Y7 N: N
private static BP bp;
, `9 f% ~\\" W5 |. X9 g
/**
1 m% m5 N) L3 h1 q w
* 初始化一个全新的bp神经网络 V# Y: X R7 M\\" e4 W6 G- `9 _
* @param inputSize& ]7 |3 ^/ w* h& I4 K& A
* @param hiddenSize 2 u: w8 d3 Y: u5 a
* @param outputSize3 L; p. ?0 {6 @2 w
*/7 z4 V: u4 D; ^
public static void initialization(int inputSize,int hiddenSize,int outputSize) {
+ J3 s1 Z7 k2 n$ ?
bp=new BP(inputSize, hiddenSize, outputSize);
, }3 x: R/ g7 i9 o2 ]1 q: P
}
6 _! u+ D5 S\\" e/ l
7 a+ ^: n& [$ p- W( n2 a
/**
# p; C; v q9 [# @4 `0 ]0 [: b: L. M
* 从文件数据中读取bp神经网络3 ^' X) n/ M2 o) M7 g0 p* X
* @param file9 o2 T/ K\\" h, C4 i& |4 }$ B
* @throws IOException
* P9 T3 |# G' i% n$ V' j
* @throws ClassNotFoundException. P: w$ L# U' S& j8 M
*/
. }% N3 ^1 ^ j
public static void initialization(File file) throws IOException, ClassNotFoundException {
4 y3 b0 U4 r J d
FileInputStream fi = new FileInputStream(file);
4 T\\" @2 a7 e/ q+ ~% e4 G8 x8 G
ObjectInputStream si = new ObjectInputStream(fi); , Q3 B# ]3 ~5 m8 d; t$ l+ c\\" z
bp = (BP) si.readObject();
. T! m* h# d5 J/ A |# I
si.close();3 {\\" }2 s, g# q' j( Q
}
7 k4 M9 J3 V) c0 v9 w/ a2 O
* s+ |, y' _* I- @
/**
% L5 T! M. k) u3 p) n
* 将目前的神经网络储存在指定文件 i! y0 S% c B: W' z- s
* @param file5 u3 W, g- d* P6 q, ?
* @throws IOException: Y6 N0 O. v\\" R# {\\" Z
*/; v1 w- \1 r) O P; ~$ P
public static void save(File file) throws IOException {% L- Y7 e! b$ A\\" G
FileOutputStream fo = new FileOutputStream(file);
; c0 n8 L( z3 l) [8 X6 Z
ObjectOutputStream so = new ObjectOutputStream(fo);& n% z# D3 K( O, S! k& e
so.writeObject(bp);. o& J\\" \+ j! O( P7 E/ ~% u0 W
so.close();
$ m t+ q: P) A
}
$ O' b* X- W2 p0 e\\" e
) ~3 y& y( H+ z1 C7 [
/**- j. G5 P( z. h
* 训练BP神经网络
( P3 s2 S( S+ Z1 _
* @param trainData
% d! d! e1 N# S! ?/ Y
* @param target
# ~9 k) [/ m. R
*/
/ j( U- t1 P4 K: t% y: n* f) i
public static void train(double[] trainData, double[] target) {
) h. X0 m5 M! N
bp.train(trainData, target);
( W8 {0 \8 Z7 ? w$ N
}
! `/ }\\" c _* g0 B
7 ~2 o+ k: ?0 W0 o
/**' m6 d; I. }- ~/ U( p/ f% s
* 要求bp神经网络返回预测值& T/ }3 |0 K5 \
* @param inData& _2 V8 O3 r9 w h' ]0 X
* @return; ^0 o7 i$ \6 g4 A2 y7 _
*/. i7 R' j4 ]. i- G V+ N) ]0 J
public static double[] test(double[] inData) {
, S) n+ _( d0 B7 H
return bp.test(inData);3 j. C/ \0 @) s. O
}\\" [; N! @% i* i
}

package ghost.writer.logic; 
\\" [3 G& C\\" |# B# B9 K' [
 
: S$ l9 Y; [+ e3 B& i. t
import java.io.File; 
: |# U( L5 N* V! {$ j: b
import java.io.FileInputStream; 
4 L0 J% c+ Z( J* D3 a9 T* W
import java.io.FileOutputStream; 
& w$ q( R! z+ C5 [: u3 r
import java.io.IOException;9 ^. H; \7 a7 A3 j9 U/ R. K( |

import java.io.ObjectInputStream; 
7 g1 ^+ A) v, W8 h7 v# ^# i0 t
import java.io.ObjectOutputStream; 
( j1 Z. ~( ]+ w) M# {4 A
 
! y* e5 C# F( A4 T/ B
public class BPFactory { 
1 u) A; ]- }- c- P/ r
        /** 
( H5 t( X$ \# b\\" m
         * BP神经网络元 
+ H) e7 S: ~2 [/ E6 W+ J
         */) R* W\\" A* ?. }. b% l( b' Y7 N: N

private static BP bp; 
, `9 f% ~\\" W5 |. X9 g
        
2 }4 \  C! \, @! ]7 `. F7 n0 L' ~# M$ j
        /** 
1 m% m5 N) L3 h1 q  w
         * 初始化一个全新的bp神经网络  V# Y: X  R7 M\\" e4 W6 G- `9 _

* @param inputSize& ]7 |3 ^/ w* h& I4 K& A

* @param hiddenSize 2 u: w8 d3 Y: u5 a

* @param outputSize3 L; p. ?0 {6 @2 w

*/7 z4 V: u4 D; ^

public static void initialization(int inputSize,int hiddenSize,int outputSize) { 
+ J3 s1 Z7 k2 n$ ?
                bp=new BP(inputSize, hiddenSize, outputSize); 
, }3 x: R/ g7 i9 o2 ]1 q: P
        } 
6 _! u+ D5 S\\" e/ l
        
7 a+ ^: n& [$ p- W( n2 a
        /** 
# p; C; v  q9 [# @4 `0 ]0 [: b: L. M
         * 从文件数据中读取bp神经网络3 ^' X) n/ M2 o) M7 g0 p* X

* @param file9 o2 T/ K\\" h, C4 i& |4 }$ B

* @throws IOException 
* P9 T3 |# G' i% n$ V' j
         * @throws ClassNotFoundException. P: w$ L# U' S& j8 M

*/ 
. }% N3 ^1 ^  j
        public static void initialization(File file) throws IOException, ClassNotFoundException { 
4 y3 b0 U4 r  J  d
                FileInputStream fi = new FileInputStream(file); 
4 T\\" @2 a7 e/ q+ ~% e4 G8 x8 G
                ObjectInputStream si = new ObjectInputStream(fi); , Q3 B# ]3 ~5 m8 d; t$ l+ c\\" z

bp = (BP) si.readObject(); 
. T! m* h# d5 J/ A  |# I
                si.close();3 {\\" }2 s, g# q' j( Q

} 
7 k4 M9 J3 V) c0 v9 w/ a2 O
        * s+ |, y' _* I- @

/** 
% L5 T! M. k) u3 p) n
         * 将目前的神经网络储存在指定文件  i! y0 S% c  B: W' z- s

* @param file5 u3 W, g- d* P6 q, ?

* @throws IOException: Y6 N0 O. v\\" R# {\\" Z

*/; v1 w- \1 r) O  P; ~$ P

public static void save(File file) throws IOException {% L- Y7 e! b$ A\\" G

FileOutputStream fo = new FileOutputStream(file); 
; c0 n8 L( z3 l) [8 X6 Z
                ObjectOutputStream so = new ObjectOutputStream(fo);& n% z# D3 K( O, S! k& e

so.writeObject(bp);. o& J\\" \+ j! O( P7 E/ ~% u0 W

so.close(); 
$ m  t+ q: P) A
        } 
$ O' b* X- W2 p0 e\\" e
        ) ~3 y& y( H+ z1 C7 [

/**- j. G5 P( z. h

* 训练BP神经网络 
( P3 s2 S( S+ Z1 _
         * @param trainData 
% d! d! e1 N# S! ?/ Y
         * @param target 
# ~9 k) [/ m. R
         */ 
/ j( U- t1 P4 K: t% y: n* f) i
        public static void train(double[] trainData, double[] target) { 
) h. X0 m5 M! N
                bp.train(trainData, target); 
( W8 {0 \8 Z7 ?  w$ N
        } 
! `/ }\\" c  _* g0 B
        
7 ~2 o+ k: ?0 W0 o
        /**' m6 d; I. }- ~/ U( p/ f% s

* 要求bp神经网络返回预测值& T/ }3 |0 K5 \

* @param inData& _2 V8 O3 r9 w  h' ]0 X

* @return; ^0 o7 i$ \6 g4 A2 y7 _

*/. i7 R' j4 ]. i- G  V+ N) ]0 J

public static double[] test(double[] inData) { 
, S) n+ _( d0 B7 H
                return bp.test(inData);3 j. C/ \0 @) s. O

}\\" [; N! @% i* i

}

zan

网络