Бесплатные курсовые

    Простая нейронная сеть на JAVA
    Создадим простую нейронную сеть
    
    Посмотрим на список нейронов
    
    // Нейроны и их номер (для придания наглядности выводимым в Log данным) List<Object> nlist = Arrays.asList(new Neuron(), 0, new Neuron(), 1, new Neuron(), 2, new Neuron(), 3, new Neuron(), 4, new Neuron(), 5);
    Шесть нейронов от 0 до 5

Neural network

    А теперь посмотрим на JAVA код вычисления результата "в прямом направлении"
    
     return neurons.get(5).compute( // Где neurons - это List<Neuron> neurons = Arrays.asList(new Neuron(), new Neuron(), new Neuron(),new Neuron(), new Neuron(),new Neuron()); neurons.get(4).compute( // Compute - начальная активация. class Neuron neurons.get(2).compute(input1, input2, 2), // compute - здесь - СИГМОИД - Util.sigmoid(preActivation) neurons.get(1).compute(input1, input2, 1),4 // compute - здесь - СИГМОИД - Util.sigmoid(preActivation) ), neurons.get(3).compute( neurons.get(1).compute(input1, input2,1), // Получить из списка neurons ПЕРВЫЙ элемент (нейрон) с входными значениями input1, input2 neurons.get(0).compute(input1, input2,0),3 // compute - здесь - СИГМОИД - Util.sigmoid(preActivation) ),5 );
    Видно, что результаты нейронов 0 и 1 поступают на вход нейрона 3 (два входа)
    Результаты нейронов 1 и 2 поступают в нейрон 4 (два входа)
    А результаты нейронов 3 и 4 поступают на вход нейрона 5
    
    А на рисунке у нас нейроны 3 и 4 имеют по три входа. Исправляем рисунок

    На вход нейронной сети (входы каждого нейрона) подаются два значения (из массива)

    
     Integer data [][] = new Integer[4][4]; // Двумерный массив целых чисел. В массиве 4 значения // Заполняем значениями data[0][0] = 115; // Первое значение data[0][1] = 66; data[1][0] = 175; // Второе значение data[1][1] = 78; data[2][0] = 205; // Третье значение data[2][1] = 72; data[3][0] = 120; // Четвертое значение data[3][1] = 67;
    Этот маленький массив фактически будет мастер-ключом, на основе которого нейронная сеть в прямом направлении вычислит одно значение.
    Данные на выходе из отдельных нейронов мы используем для корректировки входных данных нейронной сети (мастер-ключа)
    
    Читаем ДАЛЕЕ >>