ニューラルネットワークjavaフレームワーク学習
6149 ワード
1.JavaニューラルネットワークフレームワークNeuroph
Neurophは軽量級のJavaニューラルネットワークのフレームワークであり,一般的なニューラルネットワークアーキテクチャをシミュレートするために使用できる.Neurophには、オープンソースjavaクラスライブラリと、基本ニューラルネットワークの概念に対応する少量のベースクラス、およびeasyNeurons GUIツールが含まれています.Neuroph Documentation
2.ニューラルネットワークオープンフレームワークJOONE
JOONE(Java Object Oriented Neural Network)はsourceforge.Netの前のjava言語でニューラルネットワークを迅速に開発したオープンソースプロジェクト.JOONEはマルチスレッドや分散計算など多くの特性をサポートし、BPアルゴリズムを用いて反復計算パラメータを行う.これは、JOONEがマルチプロセッサやマルチコンピュータを利用して負荷を等化できることを意味する.JAvaバージョンのニューラルネットワーク——オープンソースフレームワークJOONE実践 JOONEには主に3つの大きなモジュールがあります. joone-engine:jooneのコアモジュール joone-editor:jooneのGUI開発環境.グラフィックインタフェースはニューラルネットワークモデルを構築し,訓練と検証を行うことができる.JOONEではjoone-editorを用いてXORネットワークモデルを構築する例を示した. joone-distributed-environment:jooneは、分散計算をサポートするモジュールに使用されます.
JOONE快速開発ニューラルネットワーク用JavaオープンソースプロジェクトJOONEによる人工知能プログラミングを実現
3.JavaニューラルネットワークフレームワークEncog for Java
Encogは先進的なニューラルネットワークとローミングプログラミングライブラリです.Encogは、ニューラルネットワークまたはHTTP爬虫プログラムを単独で使用または確立することができる.サポートベクトルマシン(SVM)、人工ニューラルネットワーク、遺伝アルゴリズム、ベイズネットワーク、ステルスマルコフモデル(HMM)、遺伝プログラミングおよび遺伝アルゴリズムを統合した.ENncog Documentation
4.3種類のフレームワークの比較
Benchmarking and Comparing Encog, Neuroph and JOONE Neural Networks
Comparing Neural Networks in Neuroph,Encog and JOONE-Encog性能はもっと良くて、中間層のアルゴリズムはもっと豊富で、実際の工事の応用に適しています-Neurophは学習しやすくて、図形のインターフェースは操作しやすくて、ニューラルネットワークの初心者に適して原理を理解します
5. Encog
github - encog-java-core
単純XOR demo
Neurophは軽量級のJavaニューラルネットワークのフレームワークであり,一般的なニューラルネットワークアーキテクチャをシミュレートするために使用できる.Neurophには、オープンソースjavaクラスライブラリと、基本ニューラルネットワークの概念に対応する少量のベースクラス、およびeasyNeurons GUIツールが含まれています.Neuroph Documentation
2.ニューラルネットワークオープンフレームワークJOONE
JOONE(Java Object Oriented Neural Network)はsourceforge.Netの前のjava言語でニューラルネットワークを迅速に開発したオープンソースプロジェクト.JOONEはマルチスレッドや分散計算など多くの特性をサポートし、BPアルゴリズムを用いて反復計算パラメータを行う.これは、JOONEがマルチプロセッサやマルチコンピュータを利用して負荷を等化できることを意味する.JAvaバージョンのニューラルネットワーク——オープンソースフレームワークJOONE実践
JOONE快速開発ニューラルネットワーク用JavaオープンソースプロジェクトJOONEによる人工知能プログラミングを実現
3.JavaニューラルネットワークフレームワークEncog for Java
Encogは先進的なニューラルネットワークとローミングプログラミングライブラリです.Encogは、ニューラルネットワークまたはHTTP爬虫プログラムを単独で使用または確立することができる.サポートベクトルマシン(SVM)、人工ニューラルネットワーク、遺伝アルゴリズム、ベイズネットワーク、ステルスマルコフモデル(HMM)、遺伝プログラミングおよび遺伝アルゴリズムを統合した.ENncog Documentation
4.3種類のフレームワークの比較
Benchmarking and Comparing Encog, Neuroph and JOONE Neural Networks
Comparing Neural Networks in Neuroph,Encog and JOONE-Encog性能はもっと良くて、中間層のアルゴリズムはもっと豊富で、実際の工事の応用に適しています-Neurophは学習しやすくて、図形のインターフェースは操作しやすくて、ニューラルネットワークの初心者に適して原理を理解します
5. Encog
github - encog-java-core
単純XOR demo
import org.encog.Encog;
import org.encog.engine.network.activation.ActivationReLU;
import org.encog.engine.network.activation.ActivationSigmoid;
import org.encog.ml.data.MLData;
import org.encog.ml.data.MLDataPair;
import org.encog.ml.data.MLDataSet;
import org.encog.ml.data.basic.BasicMLDataSet;
import org.encog.neural.networks.BasicNetwork;
import org.encog.neural.networks.layers.BasicLayer;
import org.encog.neural.networks.training.propagation.resilient.ResilientPropagation;
public class XORHelloWorld {
/**
* .
*/
public static double XOR_INPUT[][] = { { 0.0, 0.0 }, { 1.0, 0.0 },
{ 0.0, 1.0 }, { 1.0, 1.0 } };
/**
* .
*/
public static double XOR_IDEAL[][] = { { 0.0 }, { 1.0 }, { 1.0 }, { 0.0 } };
/**
* .
*/
public static void main(final String args[]) {
// .
BasicNetwork network = new BasicNetwork();
network.addLayer(new BasicLayer(null,true,2));
network.addLayer(new BasicLayer(new ActivationReLU(),true,5));
network.addLayer(new BasicLayer(new ActivationSigmoid(),false,1));
network.getStructure().finalizeStructure();
network.reset();
// .
MLDataSet trainingSet = new BasicMLDataSet(XOR_INPUT, XOR_IDEAL);
// .
final ResilientPropagation train = new ResilientPropagation(network, trainingSet);
int epoch = 1;
do {
train.iteration();
System.out.println("Epoch #" + epoch + " Error:" + train.getError());
epoch++;
} while(train.getError() > 0.01);
train.finishTraining();
// .
System.out.println("Neural Network Results:");
for(MLDataPair pair: trainingSet ) {
final MLData output = network.compute(pair.getInput());
System.out.println(pair.getInput().getData(0) + "," + pair.getInput().getData(1)
+ ", actual=" + output.getData(0) + ",ideal=" + pair.getIdeal().getData(0));
}
Encog.getInstance().shutdown();
}
}