java简单神经网络设置

Question

我决定在Java中使用一些涉及神经网络的简单概念,并且在调整我在论坛上找到的一些无用的代码时,我已经能够为典型的初学者的XOR仿真创建一个非常简单的模型:

public class MainApp {
    public static void main (String [] args) {
        Neuron xor = new Neuron(0.5f);
        Neuron left = new Neuron(1.5f);
        Neuron right = new Neuron(0.5f);
        left.setWeight(-1.0f);
        right.setWeight(1.0f);
        xor.connect(left, right);

        for (String val : args) {
            Neuron op = new Neuron(0.0f);
            op.setWeight(Boolean.parseBoolean(val));
            left.connect(op);
            right.connect(op);
        }

        xor.fire();

        System.out.println("Result: " + xor.isFired());

    }
}

public class Neuron {
    private ArrayList inputs;
    private float weight;
    private float threshhold;
    private boolean fired;

    public Neuron (float t) {
        threshhold = t;
        fired = false;
        inputs = new ArrayList();
    }

    public void connect (Neuron ... ns) {
        for (Neuron n : ns) inputs.add(n);
    }

    public void setWeight (float newWeight) {
        weight = newWeight;
    }

    public void setWeight (boolean newWeight) {
        weight = newWeight ? 1.0f : 0.0f;
    }

    public float getWeight () {
        return weight;
    }

    public float fire () {
        if (inputs.size() > 0) {
            float totalWeight = 0.0f;
            for (Neuron n : inputs) {
                n.fire();
                totalWeight += (n.isFired()) ? n.getWeight() : 0.0f;
            }
            fired = totalWeight > threshhold;
            return totalWeight;
        }
        else if (weight != 0.0f) {
            fired = weight > threshhold;
            return weight;
        }
        else {
            return 0.0f;
        }
    }

    public boolean isFired () {
        return fired;
    }
}

在我的主要课程中,我在Jeff Heaton的图表建模中创建了简单的模拟:

但是,我想确保我对Neuron类的实现是正确的..我已经测试了所有可能的输入([true true],[true false],[false true],[false false]),它们都通过了我的手动验证.此外,由于此程序接受输入作为参数,它似乎也通过手动验证输入,如[true false false],[true true false]等.

但从概念上讲,这种实施是否正确？或者在我开始进一步开发和研究这个主题之前,我该如何改进呢？

谢谢!

Answer 1

这看起来是一个很好的起点.我有一些建议:

1. 对于可伸缩性,应该重构fire(),以便已经使用当前输入集触发的神经元不必每次都重新计算.如果您有另一个隐藏层或多个输出节点,则会出现这种情况.

2. 考虑将阈值calc分割为自己的方法.然后你可以继承Neuron并使用不同类型的激活函数(双极sigmoid,RBF,线性等).

3. 要学习更复杂的函数,请为每个神经元添加偏置输入.它基本上像另一个带有自身权重值的输入,但输入始终固定为1(或-1).

4. 不要忘记允许训练方法.反向传播需要类似于fire()的反转,以获取目标输出并通过每个层来模拟重量变化.

Answer 2

从我对神经网络所做的（有限的）工作来看，该实现和模型对我来说看起来是正确的 - 输出是我所期望的，并且源代码看起来很可靠。