查看: 3458|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;
6 O' C\\" e: P* L! d! f) r1 u
: a1 ]! U. F& ?7 |7 K& y/ b$ W' P
import java.io.File;
% w ~6 @3 d- X& ^
import java.io.FileInputStream;- Q+ p2 ^4 m; w( J( L, @+ T
import java.io.FileOutputStream;
$ [9 |\\" s6 S' _- m$ l [/ i
import java.io.IOException;) [5 ?1 K: J3 z4 H4 k2 t& B- Q5 H
import java.io.ObjectInputStream;
5 V: F. H0 W. [! D# p
import java.io.ObjectOutputStream;
; H2 O( t% `7 a) f
, z% D9 D6 W5 c
public class BPFactory {
. d8 `$ I, i! c/ c: k2 i% p
/**
g. f) {$ ?0 g8 i' R3 C& A# U
* BP神经网络元
6 \3 Y2 i+ p0 S
*/* N\\" ?7 E% Y8 }0 H. ^
private static BP bp;
; i$ e& ?& s: `$ l
7 a. B9 k b( C\\" V\\" a( j4 r% X
/**
* 初始化一个全新的bp神经网络
7 t; W4 C& ?- B- z
* @param inputSize
r# b: @; C) ^$ T; ~3 ], t
* @param hiddenSize k! t* k; y\\" r7 G\\" m8 U2 I9 @: d4 Q- g
* @param outputSize
: \3 B8 R. H9 m* W
*/ \7 U. d1 W+ u7 t; P# R, D
public static void initialization(int inputSize,int hiddenSize,int outputSize) {5 d t. t% o, [\\" z/ i4 v0 u# n
bp=new BP(inputSize, hiddenSize, outputSize);) L2 M1 V- X3 W, s
} Q. M3 E) q9 F8 R1 E+ L P) X
. J+ b+ ]; u7 Q7 A5 h5 Z) h/ m
/**' m9 v3 g2 X. L. x# i8 F% @
* 从文件数据中读取bp神经网络3 G% a2 T1 X6 E! \, g+ S
* @param file\\" t! u/ ?6 _4 w
* @throws IOException2 N% |: g5 p; V\\" N
* @throws ClassNotFoundException1 ^; m. E! }9 h/ U0 {( x( F
*/
$ w$ f' h8 [8 _, w$ c
public static void initialization(File file) throws IOException, ClassNotFoundException {
/ B8 y- u$ `* E
FileInputStream fi = new FileInputStream(file);2 z% C1 T& U) }
ObjectInputStream si = new ObjectInputStream(fi);
5 e% ^\\" F7 I1 {: {% q1 c3 s5 O
bp = (BP) si.readObject(); ( w9 w0 }4 k( a7 Y- \
si.close();. h* @ o' f5 Q: }1 {; w- n$ Q0 l
}
& u$ Q\\" ^, o8 }) x5 E9 E
. O( Q3 F% L7 @! q
/**
2 f* U& z1 [+ E2 m& Y! ^( {& a
* 将目前的神经网络储存在指定文件
$ Z6 N8 y7 j/ D( P/ r
* @param file
. t! y5 C+ t6 J7 b4 `$ F4 O
* @throws IOException
- j4 n6 c( S5 G9 [! P
*/' Q& N: O, a9 n4 ?) t! o
public static void save(File file) throws IOException {- k3 d- M3 p2 _6 H! F
FileOutputStream fo = new FileOutputStream(file);9 e8 Z\\" k! x6 [% q! x4 _& X% M
ObjectOutputStream so = new ObjectOutputStream(fo);
% q( ?7 Z; u; E) c
so.writeObject(bp);: }3 J9 X: F! R+ t* N' ^7 e# ~7 k
so.close();2 H8 M/ M& m I0 m' |; u
}% }- k\\" n; H# I$ d9 j0 B8 t
$ N, b* p* Z5 p. y* _& n! B
/**. A: }2 v. x2 B. I
* 训练BP神经网络
\\" C) l( j9 ?) i/ B) Z
* @param trainData/ A% h8 c. T& u
* @param target; S7 T- {( j$ B3 B6 h
*/! l+ b$ q5 _% \# `
public static void train(double[] trainData, double[] target) {
4 S) d/ \/ n3 w' S7 d- R
bp.train(trainData, target);
% t1 D* c8 `9 X& B/ t# w3 \! s
}
R! e& i- G; E& Y& ^* f1 R( O
2 d/ U2 L# s! x: F5 r
/**
4 x7 E1 u2 \9 E
* 要求bp神经网络返回预测值
0 c4 a6 {0 y$ O
* @param inData8 W( h# j9 x( k! J7 x8 H
* @return
( x3 ^7 V* A5 B0 g
*/
\\" x' X, T8 |% ?1 |) [# u
public static double[] test(double[] inData) {% @' [2 r! p- L: Y! V$ A& w
return bp.test(inData);
) l' _3 q* A9 e% g/ a
}. Z i T9 ~1 [4 y9 g, C
}

package ghost.writer.logic; 
6 O' C\\" e: P* L! d! f) r1 u
 
: a1 ]! U. F& ?7 |7 K& y/ b$ W' P
import java.io.File; 
% w  ~6 @3 d- X& ^
import java.io.FileInputStream;- Q+ p2 ^4 m; w( J( L, @+ T

import java.io.FileOutputStream; 
$ [9 |\\" s6 S' _- m$ l  [/ i
import java.io.IOException;) [5 ?1 K: J3 z4 H4 k2 t& B- Q5 H

import java.io.ObjectInputStream; 
5 V: F. H0 W. [! D# p
import java.io.ObjectOutputStream; 
; H2 O( t% `7 a) f
 
, z% D9 D6 W5 c
public class BPFactory { 
. d8 `$ I, i! c/ c: k2 i% p
        /** 
  g. f) {$ ?0 g8 i' R3 C& A# U
         * BP神经网络元 
6 \3 Y2 i+ p0 S
         */* N\\" ?7 E% Y8 }0 H. ^

private static BP bp; 
; i$ e& ?& s: `$ l
        7 a. B9 k  b( C\\" V\\" a( j4 r% X

/** 
. B# C\\" ], ]8 a1 S0 c4 I- O& W) q2 @: j
         * 初始化一个全新的bp神经网络 
7 t; W4 C& ?- B- z
         * @param inputSize 
  r# b: @; C) ^$ T; ~3 ], t
         * @param hiddenSize   k! t* k; y\\" r7 G\\" m8 U2 I9 @: d4 Q- g

* @param outputSize 
: \3 B8 R. H9 m* W
         */  \7 U. d1 W+ u7 t; P# R, D

public static void initialization(int inputSize,int hiddenSize,int outputSize) {5 d  t. t% o, [\\" z/ i4 v0 u# n

bp=new BP(inputSize, hiddenSize, outputSize);) L2 M1 V- X3 W, s

}  Q. M3 E) q9 F8 R1 E+ L  P) X

. J+ b+ ]; u7 Q7 A5 h5 Z) h/ m

/**' m9 v3 g2 X. L. x# i8 F% @

* 从文件数据中读取bp神经网络3 G% a2 T1 X6 E! \, g+ S

* @param file\\" t! u/ ?6 _4 w

* @throws IOException2 N% |: g5 p; V\\" N

* @throws ClassNotFoundException1 ^; m. E! }9 h/ U0 {( x( F

*/ 
$ w$ f' h8 [8 _, w$ c
        public static void initialization(File file) throws IOException, ClassNotFoundException { 
/ B8 y- u$ `* E
                FileInputStream fi = new FileInputStream(file);2 z% C1 T& U) }

ObjectInputStream si = new ObjectInputStream(fi); 
5 e% ^\\" F7 I1 {: {% q1 c3 s5 O
                bp = (BP) si.readObject(); ( w9 w0 }4 k( a7 Y- \

si.close();. h* @  o' f5 Q: }1 {; w- n$ Q0 l

} 
& u$ Q\\" ^, o8 }) x5 E9 E
        
. O( Q3 F% L7 @! q
        /** 
2 f* U& z1 [+ E2 m& Y! ^( {& a
         * 将目前的神经网络储存在指定文件 
$ Z6 N8 y7 j/ D( P/ r
         * @param file 
. t! y5 C+ t6 J7 b4 `$ F4 O
         * @throws IOException 
- j4 n6 c( S5 G9 [! P
         */' Q& N: O, a9 n4 ?) t! o

public static void save(File file) throws IOException {- k3 d- M3 p2 _6 H! F

FileOutputStream fo = new FileOutputStream(file);9 e8 Z\\" k! x6 [% q! x4 _& X% M

ObjectOutputStream so = new ObjectOutputStream(fo); 
% q( ?7 Z; u; E) c
                so.writeObject(bp);: }3 J9 X: F! R+ t* N' ^7 e# ~7 k

so.close();2 H8 M/ M& m  I0 m' |; u

}% }- k\\" n; H# I$ d9 j0 B8 t

$ N, b* p* Z5 p. y* _& n! B

/**. A: }2 v. x2 B. I

* 训练BP神经网络 
\\" C) l( j9 ?) i/ B) Z
         * @param trainData/ A% h8 c. T& u

* @param target; S7 T- {( j$ B3 B6 h

*/! l+ b$ q5 _% \# `

public static void train(double[] trainData, double[] target) { 
4 S) d/ \/ n3 w' S7 d- R
                bp.train(trainData, target); 
% t1 D* c8 `9 X& B/ t# w3 \! s
        } 
  R! e& i- G; E& Y& ^* f1 R( O
        
2 d/ U2 L# s! x: F5 r
        /** 
4 x7 E1 u2 \9 E
         * 要求bp神经网络返回预测值 
0 c4 a6 {0 y$ O
         * @param inData8 W( h# j9 x( k! J7 x8 H

* @return 
( x3 ^7 V* A5 B0 g
         */ 
\\" x' X, T8 |% ?1 |) [# u
        public static double[] test(double[] inData) {% @' [2 r! p- L: Y! V$ A& w

return bp.test(inData); 
) l' _3 q* A9 e% g/ a
        }. Z  i  T9 ~1 [4 y9 g, C

}

zan

网络