学海拾遗

生活、技术、思想无处不在学习
posts - 52, comments - 23, trackbacks - 0, articles - 3
  BlogJava :: 首页 :: 新随笔 :: 联系 :: 聚合  :: 管理

JOONE(Java Object-Oriented Network Engine)使用初探

Posted on 2007-09-30 16:03 tanzek 阅读(5961) 评论(2)  编辑  收藏 所属分类: 技术学习
  1 /*
  2  * JOONE - Java Object Oriented Neural Engine
   3  *  http://joone.sourceforge.net
  4  *
   5  * XOR_using_NeuralNet.java
   6  *
   7   */
  8 package  study;
   9
 10 import  org.joone.engine. * ;
  11 import  org.joone.engine.learning. * ;
  12 import  org.joone.io. * ;
  13 import  org.joone.net. * ;
  14 import  java.util.Vector;
  15
 16 public   class  XOR_using_NeuralNet  implements  NeuralNetListener  {
  17      private  NeuralNet            nnet  =   null ;
  18      private  MemoryInputSynapse  inputSynapse, desiredOutputSynapse;
  19      private  MemoryOutputSynapse outputSynapse;
  20     LinearLayer    input;
  21     SigmoidLayer hidden, output;
  22      boolean  singleThreadMode  =   true ;
  23     
  24      //  XOR input
 25      private   double [][]            inputArray  =   new   double [][]  {
  26          { 0.0 ,  0.0 } ,
  27          { 0.0 ,  1.0 } ,
  28          { 1.0 ,  0.0 } ,
  29          { 1.0 ,  1.0 }
 30     } ;
  31     
  32      //  XOR desired output
 33      private   double [][]            desiredOutputArray  =   new   double [][]  {
  34          { 0.0 } ,
  35          { 1.0 } ,
  36          { 1.0 } ,
  37          { 0.0 }
 38     } ;
  39     
  40      /**
 41      *  @param  args the command line arguments
  42       */
 43      public   static   void  main(String args[])  {
  44         XOR_using_NeuralNet xor  =   new  XOR_using_NeuralNet();
  45         
  46         xor.initNeuralNet();
  47         xor.train();
  48         xor.interrogate();
  49     }
 50     
  51      /**
 52      * Method declaration
  53       */
 54      public   void  train()  {
  55         
  56          //  set the inputs
 57         inputSynapse.setInputArray(inputArray);
  58         inputSynapse.setAdvancedColumnSelector( " 1,2 " );
  59          //  set the desired outputs
 60         desiredOutputSynapse.setInputArray(desiredOutputArray);
  61         desiredOutputSynapse.setAdvancedColumnSelector( " 1 " );
  62         
  63          //  get the monitor object to train or feed forward
 64         Monitor monitor  =  nnet.getMonitor();
  65         
  66          //  set the monitor parameters
 67         monitor.setLearningRate( 0.8 );
  68         monitor.setMomentum( 0.3 );
  69         monitor.setTrainingPatterns(inputArray.length);
  70         monitor.setTotCicles( 5000 );
  71         monitor.setLearning( true );
  72         
  73          long  initms  =  System.currentTimeMillis();
  74          //  Run the network in single-thread, synchronized mode
 75         nnet.getMonitor().setSingleThreadMode(singleThreadMode);
  76         nnet.go( true );
  77         System.out.println( " Total time=  " + (System.currentTimeMillis()  -  initms) + "  ms " );
  78     }
 79     
  80      private   void  interrogate()  {
  81          //  set the inputs
 82         inputSynapse.setInputArray(inputArray);
  83         inputSynapse.setAdvancedColumnSelector( " 1,2 " );
  84         Monitor monitor = nnet.getMonitor();
  85         monitor.setTrainingPatterns( 4 );
  86         monitor.setTotCicles( 1 );
  87         monitor.setLearning( false );
  88         MemoryOutputSynapse memOut  =   new  MemoryOutputSynapse();
  89          //  set the output synapse to write the output of the net
 90         
  91          if (nnet != null )  {
  92             nnet.addOutputSynapse(memOut);
  93             System.out.println(nnet.check());
  94             nnet.getMonitor().setSingleThreadMode(singleThreadMode);
  95             nnet.go();
  96             
  97              for ( int  i = 0 ; i < 4 ; i ++ )  {
  98                  double [] pattern  =  memOut.getNextPattern();
  99                 System.out.println( " Output pattern # "   +  (i + 1 )  +   " = "   +  pattern[ 0 ]);
 100             }
101             System.out.println( " Interrogating Finished " );
 102         }
103     }
104     
 105      /**
106      * Method declaration
 107       */
108      protected   void  initNeuralNet()  {
 109         
 110          //  First create the three layers
111         input  =   new  LinearLayer();
 112         hidden  =   new  SigmoidLayer();
 113         output  =   new  SigmoidLayer();
 114         
 115          //  set the dimensions of the layers
116         input.setRows( 2 );
 117         hidden.setRows( 3 );
 118         output.setRows( 1 );
 119         
 120         input.setLayerName( " L.input " );
 121         hidden.setLayerName( " L.hidden " );
 122         output.setLayerName( " L.output " );
 123         
 124          //  Now create the two Synapses
125         FullSynapse synapse_IH  =   new  FullSynapse();     /*  input -> hidden conn.  */
126         FullSynapse synapse_HO  =   new  FullSynapse();     /*  hidden -> output conn.  */
127         
 128          //  Connect the input layer whit the hidden layer
129         input.addOutputSynapse(synapse_IH);
 130         hidden.addInputSynapse(synapse_IH);
 131         
 132          //  Connect the hidden layer whit the output layer
133         hidden.addOutputSynapse(synapse_HO);
 134         output.addInputSynapse(synapse_HO);
 135         
 136          //  the input to the neural net
137         inputSynapse  =   new  MemoryInputSynapse();
 138         
 139         input.addInputSynapse(inputSynapse);
 140         
 141          //  The Trainer and its desired output
142         desiredOutputSynapse  =   new  MemoryInputSynapse();
 143         
 144         TeachingSynapse trainer  =   new  TeachingSynapse();
 145         
 146         trainer.setDesired(desiredOutputSynapse);
 147         
 148          //  Now we add this structure to a NeuralNet object
149         nnet  =   new  NeuralNet();
 150         
 151         nnet.addLayer(input, NeuralNet.INPUT_LAYER);
 152         nnet.addLayer(hidden, NeuralNet.HIDDEN_LAYER);
 153         nnet.addLayer(output, NeuralNet.OUTPUT_LAYER);
 154         nnet.setTeacher(trainer);
 155         output.addOutputSynapse(trainer);
 156         nnet.addNeuralNetListener( this );
 157     }
158     
 159      public   void  cicleTerminated(NeuralNetEvent e)  {
 160     }
161     
 162      public   void  errorChanged(NeuralNetEvent e)  {
 163         Monitor mon  =  (Monitor)e.getSource();
 164          if  (mon.getCurrentCicle()  %   100   ==   0 )
 165             System.out.println( " Epoch:  " + (mon.getTotCicles() - mon.getCurrentCicle()) + "  RMSE: " + mon.getGlobalError());
 166     }
167     
 168      public   void  netStarted(NeuralNetEvent e)  {
 169         Monitor mon  =  (Monitor)e.getSource();
 170         System.out.print( " Network started for  " );
 171          if  (mon.isLearning())
 172             System.out.println( " training. " );
 173          else
174             System.out.println( " interrogation. " );
 175     }
176     
 177      public   void  netStopped(NeuralNetEvent e)  {
 178         Monitor mon  =  (Monitor)e.getSource();
 179         System.out.println( " Network stopped. Last RMSE= " + mon.getGlobalError());
 180     }
181     
 182      public   void  netStoppedError(NeuralNetEvent e, String error)  {
 183         System.out.println( " Network stopped due the following error:  " + error);
 184     }
185     
 186 }
187

评论

# re: JOONE(Java Object-Oriented Network Engine)使用初探  回复  更多评论   

2007-12-02 15:39 by longmiaost
我最近也在研究这个东东，有没有详细的说明，或者学习资料！！可否发给我一份longmiaost@126.com

# re: JOONE(Java Object-Oriented Network Engine)使用初探  回复  更多评论   

2008-06-23 02:51 by xia fei
你這過簡單例子，可以說幫了很多人，我早前看過軟件開發的文章，有一個方法叫plagarism programming, 你這例子， 反映了PP原來是很實在。。。。Good Job......

只有注册用户登录后才能发表评论。
网站导航: