AI :: NNEASY. Definieren, lernen, lernen und verwenden Sie einfache neuronale Netze von verschiedenen Typen mit einem tragbaren Code in Perl und XS.
Jetzt downloaden

AI :: NNEASY. Ranking & Zusammenfassung

AI :: NNEASY. Stichworte

Perl-Modul Nervös. Netzwerke Neuronale Netze tragbarer Code Nnasy.

AI :: NNEASY. Beschreibung

Definieren, lernen und verwenden Sie einfache neuronale Netze verschiedener Typen mit einem tragbaren Code in Perl und XS. AI :: NNEASE ist ein Perl-Modul, um einfache neuronale Netze verschiedener Typen mit einem tragbaren Code in Perl und XS zu definieren, zu lernen und einzusetzen. Der Hauptzweck dieses Moduls besteht darin, einfache neuronale Netzwerke mit Perl zu erstellen, das auf kann auf mehrere Netzwerktypen erweitert werden, Lernalgorithmen und Aktivierungsfunktionen lernen. Diese Architektur war 1. Basierend auf dem Modul AI :: NNFLEX, als ich es umworben habe, um einige Serialisierungswanzen zu beheben, und den Code otimiert und einige XS-Funktionen hinzugefügt, um die Geschwindigkeit im Lernprozess zu erhalten. Schließlich habe ich einen intuitiven Integrace hinzugefügt, um den NN zu erstellen und zu verwenden, und einen Gewinneralgorithmus an den Ausgang hinzugefügt. Ich habe dieses Modul gestellt, da nach dem Test unterschiedliches NN-Modul auf Perl kann ich nicht finden, die über Linux und Windows tragbar ist. Einfach zu bedienen und der wichtigste, der wirklich in einem Reall-Problem arbeitet Inputs und verwenden Sie it.UmageHhere's ein Beispiel eines NN, um XOR zu berechnen: Verwenden Sie AI :: NNEASY; ## Unser maximaler Fehler für die Ausgabeberechnung. mein $ err_ok = 0,1; ## Erstellen Sie den NN: My $ nn = AI :: nnasy-> NEU ('xor.nne', ## Datei, um die NN zu speichern. , ## Ausgabetypen des NN. $ Err_ok, # # Maximaler Fehler für die Ausgabe. 2, ## Anzahl der Eingänge. 1, ## Anzahl der Ausgänge. , ## versteckte Schichten. (Dies setzt 1 versteckte Schicht mit 3 Knoten).); ## Unser Satz von Ein- und Ausgängen, um zu lernen: My @set = ( => , => , => , => ,); ## Berechnen Sie den tatsächlichen Fehler für das Set: My $ set_err = $ nn-> get_set_error (@set); ## Wenn der Set-Fehler größer ist als maximaler Fehler ## Speichern Sie die NN: $ NN-> Speichern; } ## Verwenden Sie die NN: My $ out = $ nn-> run_get_winner (); drucken "00 => @ $ raus "; ## 00 => 0 My $ out = $ nn-> run_get_winner (); drucken" 01 => @ $ raus "; ## 01 => 1 My $ out = $ nn-> run_get_winner (); drucken" 10 => @ $ raus "; ## 10 => 1 mein $ out = $ nn-> run_get_winner (); drucken" 11 => @ $ raus "; ## 11 => 0 ## oder einfach nur durch das @set: für (mein $ i $ i = 0; $ i $ i <@set; $ i + = 2) {mein $ out = $ nn-> run_get_winner ($ Set ); drucken "@ {$ Set }) => @ $ raus " ; } Anforderungen: · Perl.

AI :: NNEASY. Zugehörige Software