Neuroph 是一个轻量级、易用灵活、文档完备的神经网络框架,支持常用的神经网络结构。它有设计良好的开源库,包括精简的神经网络核心基础类,和GUI编辑器(Neuroph Studio),可以快速创建神经网络组件。 通过提供神经网络基础类库和GUI工具,Neuroph使开发变得简单,它支持创建,训练和保存神经网络。
如果你是一个初学者,你只想搞清楚神经网络如何工作,而不关心复杂的理论和实现, Neuroph是非常好的选择。此外,在研究项目里,你也可以用Neuroph Studio作神经网络结构验证,后续使用它基于Java的API在工程里应用。
一、安装要求:
Java VM 1.7和neurophstudio-windows-2.98.exe,默认安装,不再赘述。
下载地址:http://neuroph.sourceforge.net/
二、 创建神经网络步骤
1) 创建工程;
2) 创建神经网络;
3) 创建训练集;
4) 训练网络;
5) 测试训练好的网络;
下面以最简单的感知机网络为例说明一下Neuroph Studio的用法。
-
创建工程;
-
创建感知机网络;
至此,我们创建了一个两层的感知机神经网络,输入层包含两个输入变量,输出层有一个输出变量,使用阶梯函数作为传递函数。 -
创建训练集,这里我们创建一个AND数据集;
-
训练网络:把用于训练的数据集拖到输入数据集上,可以看到输入数据集变成了DataSet:AND,然后点击训练按钮,弹出如下对话框。
设置训练参数,点击训练按钮完成训练,如下图所示。 -
测试训练好的网络。
输入为数据集:创建测试数据集并拖动至输入数据集,点击测试,可以看到输出结果。
输入为单条数据,点击Set In,可以看到输出结果。
三、 遗留问题:
训练网络时输入参数的设置意义;
这个版本如何可视化网络权重;