Java神经网络（一）——Neuroph初次使用

前言

学了好一阵子时间的神经网络，对神经网络的感觉都还是朦朦胧胧的，感觉还是什么都不会，python代码也不是太熟悉，在写小案例的时候总是被一些奇奇怪怪的报错拦住，于是打算剑走偏锋用自己最熟悉的代码（Java）再去学一遍，文中若有错误还请大佬指正。

---

Neuroph框架

Neuroph 是轻量级的 Java 神经网络的框架，可以用来模拟常见的神经网络架构。少数基本类别相对应的基本网络的概念，它非常容易学习。它也有一个不错的 GUI 应用程序。

Neuroph结构

框架图

Java API 及其类库说明（core nnet util）

Java Api被分为三部分：
	core（核心组件） nnet（网络组件） util（工具组件）

类库	说明

Neuroph简单案例实现

下载必要的Neuroph jar包

下面用的是neuroph-2.98 链接：https://neuroph.sourceforge.net/download.html

导入jar包

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>

    <groupId>org.example</groupId>
    <artifactId>IDEANeuroph01</artifactId>
    <version>1.0-SNAPSHOT</version>
    <build>
        <plugins>
            <plugin>
                <groupId>org.apache.maven.plugins</groupId>
                <artifactId>maven-compiler-plugin</artifactId>
                <configuration>
                    <source>6</source>
                    <target>6</target>
                </configuration>
            </plugin>
        </plugins>
    </build>

    <dependencies>
        <dependency>
            <groupId>org.beykery</groupId>
            <artifactId>neuroph</artifactId>
            <version>2.92</version>
            <type>pom</type>
        </dependency>

    </dependencies>



</project>

找案例（在书中或者网上）

该案例是在网上找到的，附上原文链接：https://www.moban555.com/article/1016215.html

package com.kc;

import java.util.Arrays;

import org.neuroph.core.NeuralNetwork;
import org.neuroph.core.data.DataSet;
import org.neuroph.core.data.DataSetRow;
import org.neuroph.core.events.LearningEvent;
import org.neuroph.core.events.LearningEventListener;
import org.neuroph.core.learning.LearningRule;
import org.neuroph.nnet.Perceptron;
import org.neuroph.nnet.learning.BinaryDeltaRule;


public class MyPerceptron implements LearningEventListener{

    public static void main(String[] args) {
        new MyPerceptron().TestPerceptron();
    }

    public  void TestPerceptron() {
        // create new perceptron network
        NeuralNetwork myperceptron = new Perceptron(2, 1);

        // create training set AND
        DataSet trainingSet = new DataSet(2, 1);
        trainingSet.add(new double[]{0, 0}, new double[]{0});
        trainingSet.add(new double[]{0, 1}, new double[]{0});
        trainingSet.add(new double[]{1, 0}, new double[]{0});
        trainingSet.add(new double[]{1, 1}, new double[]{1});

        // print iteration log
        LearningRule lr = myperceptron.getLearningRule();
        lr.addListener(this);

        // learn the training set
        myperceptron.learn(trainingSet);

        // save the trained network into file
        myperceptron.save("or_perceptron_nnet");

        // load the saved network
        NeuralNetwork neuralNetworkTest = NeuralNetwork.createFromFile("or_perceptron_nnet");

        // Test network - Single input
        neuralNetworkTest.setInput(0, 0);
        neuralNetworkTest.calculate();
        double[] networkOutput = neuralNetworkTest.getOutput();
        System.out.println(networkOutput[0]);

        // Test network - set input
        testNeuralNetwork(myperceptron, trainingSet);
    }


    public void testNeuralNetwork(NeuralNetwork nnet, DataSet tset) {

        for (DataSetRow dataRow : tset.getRows()) {

            nnet.setInput(dataRow.getInput());
            nnet.calculate();
            double[ ] networkOutput = nnet.getOutput();
            System.out.print("Input: " + Arrays.toString(dataRow.getInput()) );
            System.out.println(" Output: " + Arrays.toString(networkOutput) );
        }

    }

    @Override
    public void handleLearningEvent(LearningEvent event) {
        BinaryDeltaRule rule = (BinaryDeltaRule)event.getSource();
        if (event.getEventType() != LearningEvent.Type.LEARNING_STOPPED)
            System.out.println(rule.getCurrentIteration() + ". iteration : "+ rule.getTotalNetworkError());
    }

}

运行

解决方案

由上图可知代码编译前虽然没报错，但是在编译后却报错了。
通过一步步排查，我们找到他在DataSet这个类中少了一个文件，如图

解决如下： 去maven里下载一个，在pom.xml中添加其坐标

		<dependency>
            <groupId>javax.visrec</groupId>
            <artifactId>visrec-api</artifactId>
            <version>1.0.0</version>
        </dependency>

再次运行：