Encog入门学习（一）

最新推荐文章于 2024-06-06 09:58:15 发布

KrseLee

最新推荐文章于 2024-06-06 09:58:15 发布

阅读量5.1k

点赞数 1

分类专栏： Encog 文章标签：神经网络 Encog

本文链接：https://blog.csdn.net/a398942089/article/details/49993145

版权

本文介绍了作者对Stanford NLP中深度学习方法的兴趣，尤其是递归神经网络的应用。随后，作者转向学习Encog，一个提供丰富神经网络算法实现的库。文中详细展示了如何建立三层神经网络的结构，进行训练以及预测，使用了sigmoid激活函数，并通过示例解释了训练过程和预测过程。

摘要由CSDN通过智能技术生成

这段时间对斯坦福大学的stanford nlp挺感兴趣，stanford nlp的一大亮点就是他们团队采用深度学习的方法对一些传统的方法进行改进，比如建立语法树采用了递归神经网络（RNN），情感分析采用了递归神经伸张网络（RNTN）……所以呢，我又把注意点放到了神经网络上面，想要自己实现一些简单的神经网络算法，因此注意到了Encog，Encog最强大的地方，就是提供了丰富的神经网络算法的实现。

国内关于Encog的资料比较少，因此就按照Encog提供的手册开始学习了。以下是第一个例子：

import org.encog.Encog;
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 HelloWorld {

	/**
	 * the input necessary for XOR
	 * */
	public static double XOR_IN