AI :: NeuralNet :: Backprop AI :: NeuralNet :: BackProp ist ein einfaches neuronales Net von Back-Prop, das die Regel von Delta und Hebbs verwendet.
Jetzt downloaden

AI :: NeuralNet :: Backprop Ranking & Zusammenfassung

AI :: NeuralNet :: Backprop Stichworte

Perl-Modul Neuralnet Backprop back-prop neuralen NeuralNet BackProp.

AI :: NeuralNet :: Backprop Beschreibung

AI :: NeuralNet :: BackProp ist ein einfaches neuronales Net von Back-Prop, das die Regel von Deltas und Hebbs verwendet. AI :: NeuralNet :: BackProp ist ein einfaches neuronales Net von Back-Prop, das Delta's und Hebbs 'Rule.synopsiSuse AI :: NeuralNet :: BackProp; # Erstellen Sie ein neues Netzwerk mit 1 Ebenen, 5 Eingängen und 5 Ausgänge. Mein $ net = New AI :: NeuralNet :: Backprop (1,5,5); # Fügen Sie dem Netzwerk $ net-> zufällig (0,001) eine kleine Menge Zufälligkeit (0,001); # Demonstrieren Sie ein einfaches Lernen () anrufen Sie meine @inputs = (0,0,1,1,1); meine @Ouputs = (1,0,1,0,1); $ net-> lernen (@inputs, @outputs), "n"; # Erstellen Sie ein Datensatz, um my @set = (, , , , , ); # Demo lern_set () mein $ f = $ net-> lern_set (@set); drucken "Vergesslichkeit: $ f uneinheit"; # Crunch Eine Reihe von Saiten und Return-Array refs meine $ Phrase1 = $ net-> crunch ("Ich liebe neuronale Netze!"); Mein $ Phrase2 = $ net-> crunch ("Jay Lenno ist seltsam."); mein $-phrase3 = $ net-> crunch ("der Regen in Spanien ..."); mein $ phrase4 = $ net-> crunch ("müde von wort knirschend noch?"); # Machen Sie einen Datensatz aus dem Array, der meine @Phrhrasen = ($ Phrase1, $ Phrase2, $ Phrase3, $ Phrase4); # Lernen Sie das Datensatz $ net-> lern_set (@Phumes); # Führen Sie einen Test-Phrase durch das Netzwerk My $ test_phase = $ net-> crunch ("Ich liebe neuronale Networking!"); mein $ result = $ net-> run ($ test_phase); # Holen Sie sich das, es druckt "Jay Leno ist vernetzt!" ... LOL! drucken $ net-> nichtcrunch ($ ergebnis), "n"; ai :: neuralnet :: backprop ist das Flaggschiff-Paket für diese Datei. Es implementiert ein nerales Netzwerk, das einem Foward-Foward-, Back-Propagion-Netzwerk ähnlich ist; Lernen über eine Mischung einer Verallgemeinerung der Delta-Regel und einem Abschluss der HebBS-Regel. Die eigentlichen Neruonen des Netzwerks werden über das AI :: NeuralNet :: Backprop :: Neuron-PackageRequirements: · Perlwhats Neues in dieser Version: · Dies ist Version 0.77, ein komplettes internes Upgrade von Version 0.42. · Eine neue Funktion ist die Einführung von einem Zufallsfaktor im Netzwerk, optional zum Deaktivieren. · Die Einschränkung von 0s wird entfernt, sodass Sie ein beliebiges Netzwerk ausführen können. · Siehe Hinweise zur Verwendung von 0s mit deaktivierter Zufälligkeit. Inklusive ist eine verbesserte lern () -Funktion und ein viel genaueres internes Festpoint-System zum Lernen. · Ebenfalls enthalten ist das automatisierte Lernen von Eingangssätzen. · Siehe lern_set () und lern_rand_set ()

AI :: NeuralNet :: Backprop Zugehörige Software