Scala实现神经网络 ANN , 偏函数式风格

最新推荐文章于 2024-05-17 09:54:13 发布

海淼林

最新推荐文章于 2024-05-17 09:54:13 发布

阅读量796

点赞数

分类专栏： scala 机器学习学习神经网络文章标签：机器学习神经网络 scala

本文链接：https://blog.csdn.net/u013648367/article/details/70130951

版权

本文通过Scala实现了一个全连接的二分类神经网络，采用函数式编程风格，避免使用循环和`var`变量。借助Breeze线性代数库，作者创建了一组复杂的训练数据，并使用尾递归进行训练，最终达到基本正确的分类效果。

摘要由CSDN通过智能技术生成

为了加深理解,用Scala实现全链接的二分类神经网络, 风格偏函数式, 没有使用循环, 不使用var变量, 需要使用Breeze线性代数库.

用Python制造了一组相对难分的训练数据并写入文件,如图.
这里写图片描述

代码如下
先导入一些库

package ann
import java.io.File 
import breeze.linalg.{*, max, min, sum, DenseMatrix => BDM, DenseVector => BDV} //那个*号居然是广播运算用的
import breeze.linalg.InjectNumericOps
import breeze.{numerics => BN} // 导入函数库 
import breeze.plot._ //作图库
import scala.annotation.tailrec
import scala.math
import scala.util.Random

定义网络, 神经网络的本质就是一个函数, 给个输入,有个输出

//封装一下网络参数, 主要是权重,偏置和激活函数
case class LayerPara(weight:BDM[Double] , bias:BDV[Double],activationFunc: ActivationFunc)

trait Layer{
   
  def apply(input:BDM[Double] ):BDM[Double]
  //定一个类似List的操作,表示网络链接
  def <=:(nextLayerPara:LayerPara):HLayer = HLayer(nextLayerPara,this) //这是个具体方法, 会被直接装配到子类里面
}
//输入层只有一个, 弄个单例
object Input extends Layer{
   
  def apply(input:BDM[Double] ):BDM[Double]  = input
}
//隐层, 
case class HLayer