深入浅出神经网络与深度学习(三)-neuroph介绍
1.1 Neuroph
如果你是神经网络的初学者,你只是想尝试一下他们如何工作而不需要复杂的理论和实施,或者你需要他们快速的为你的研究项目,neuroph是很好的选择。它是小型的,文档化的,易于使用,并且非常灵活的神经网络框架.
1.1.1 下载
2.9版本下载地址:
https://sourceforge.net/projects/neuroph/files/neuroph2.94/neuroph-2.94.zip/download
解压
java项目直接引用jar包即可,此处只是实例,并没有规范化。
1.1.1 介绍
neuroph由2部分组成。一部分是基于java开发的API,另一部分是图形工具,能直接通过简单的图形化工具构造一个神经网络。
1.1.1 特点
学习机
感知器
多层感知器的反向传播,增强了弹性传播的动力。
Hopfield网络
Bidirectional Associative Memory
Kohonen网络
Hebbian网络
Maxnet
Instar
Outstar
RBF网络
神经模糊推理程序
l 其他功能
核心包(只有10个)中可以很容易重用或扩展的基本基类的数量很少。
支持监督和非监督学习规则。
一个易于遵循的结构和逻辑。
基于NetBeans平台的Java和神经网络IDE, Neuroph Studio。
图像识别支持
OCR的支持
股票市场预测样本
学习vizualisation样品
数据归一化
简单的微基准测试框架
1.1.1 neuroph.core类库
类库 | 说明 |
org.neuroph.core | 提供基础类库与基本的核心组件 |
core.data | 数据设置及相关计算 |
core.events | 神经网络的学习事件系统 |
core.input | 输入功能 |
core.learning | 学习算法 |
core.learning.error | 为学习规则提供错误处理纠正 |
util | 帮助构建神经网络、类型标识、向量分析 |
nnet | 迅速构建神经网络 |
nnet.comp | 神经网络组件 |
comp.layer | 多种layer类型 |
comp.neuron | 多种特殊的neuron |
nnet.learning | 基于神经网络算法 |
kmeans | K-Means算法 |
knn | KNN算法 |