感知机加算法自动识别象限

1.创建感知机


2.创建迭代学习算法


3.通过训练数据,不断学习,并检验学习的正确率

public class FeelPosLearning implements LearningEventListener{
	
	public static void main(String[] args) {
		new FeelPosLearning().run();
	}
	
	/**
	 * @author Ragty
	 * @param  根据学习数据自动学习,识别象限
	 */
	public void run(){
		//新建一个两个输入两个输出的训练集
		DataSet dataSet = new DataSet(2,2);
		
		//一万个测试数据,让训练效果更显著
		for (int i = 0; i < 10000; i++){
			//第一象限期望
			dataSet.addRow(new DataSetRow(new double[] { 1 * nextDouble(), 1 * nextDouble() },new double[] { 1, 1 }));
			//第二象限期望
			dataSet.addRow(new DataSetRow(new double[] { -1 * nextDouble(), 1 * nextDouble() },new double[] { 0, 1 }));
			//第三象限期望
			dataSet.addRow(new DataSetRow(new double[] { -1 * nextDouble(), -1 * nextDouble() },new double[] { 0, 0 }));
			//第四象限期望
			dataSet.addRow(new DataSetRow(new double[] { 1 * nextDouble(), -1 * nextDouble() },new double[] { 1, 0 }));
		}
		
		//创建两个输入,两个输出的感知机
		simplePerceptron posPerceptron = new simplePerceptron(2,2);

		//设置最小误差为0.001(增加监听器)
		perceptronLearningRule learningRule = (perceptronLearningRule) posPerceptron.getLearningRule();
		learningRule.setMaxError(0.001);
		learningRule.addListener(this);
		
		//进行学习
		System.out.println("进行学习");
		posPerceptron.learn(dataSet);
		
		//检测学习
		System.out.println("检测学习");
		testData(posPerceptron);
		
	}

	
	/**
	 * @author Ragty
	 * @deprecated 得到一个0到1之间的随机数
	 * @serialData 2018.4.23
	 */
	static Random r = new Random();
	
	public static double nextDouble() {
		double re = 0;
		while ((re = r.nextDouble()) != 0) {
			return re;
		}
		return r.nextDouble();
	}

	
	/**
	 * @author Ragty
	 * @param  测试训练的效果,得出正确率
	 * @param neuralNetwork
	 */
	public static void testData(NeuralNetwork neuralNetwork){
		
		DataSet dataSet = new DataSet(2,2);
		
		for (int i = 0; i < 1000; i++) {
			// 第一象限
			dataSet.addRow(new DataSetRow(new double[] { 1 * nextDouble(), 1 * nextDouble() }, new double[] { 1, 1 }));
			// 第二象限
			dataSet.addRow(new DataSetRow(new double[] { -1 * nextDouble(), 1 * nextDouble() }, new double[] { 0, 1 }));
			// 第三象限
			dataSet.addRow(new DataSetRow(new double[] { -1 * nextDouble(), -1 * nextDouble() }, new double[] { 0, 0 }));
			// 第四象限
			dataSet.addRow(new DataSetRow(new double[] { 1 * nextDouble(), -1 * nextDouble() }, new double[] { 1, 0 }));
		}
		
		//正确总数
		int correctCount = 0;
		int incorrectCount = 0;
		
		//遍历整个测试数组
		for(DataSetRow dataSetRow : dataSet.getRows()){
			//获得一个输入
			neuralNetwork.setInput(dataSetRow.getInput());
			neuralNetwork.calculate();
			double[] output = neuralNetwork.getOutput();
			
			//实际输出跟期望输出相比较
			if(Arrays.equals(output, dataSetRow.getDesiredOutput())){
				correctCount++;
			} else{
				incorrectCount++;
			}
			
		}
		System.out.println("正确率:"+correctCount * 1.0 / (correctCount + incorrectCount));
		
	}
	
	
	/**
	 * @author Ragty
	 * @param  监督学习
	 * @serialData 2018.4.23
	 */
	@Override
	public void handleLearningEvent(LearningEvent event) {
		// TODO Auto-generated method stub
		IterativeLearning bp = (IterativeLearning) event.getSource();
		System.out.println("iterate:" + bp.getCurrentIteration());
		System.out.print("TotalNetworkError:");
		System.out.println(((perceptronLearningRule) bp.getNeuralNetwork().getLearningRule()).getTotalNetworkError());
		
	}


4.输出结果(正确率)



  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值