الصفحة الرئيسية>المتعلقة بالبرمجة>كود الذكاء الاصطناعي
تنزيل

MicroMLP عبارة عن شبكة عصبية اصطناعية صغيرة متعددة الطبقات (تستخدم بشكل أساسي في وحدات ESP32 وPycom)

HC²

من السهل جدًا الدمج وخفيف جدًا بملف واحد فقط:

  • "microMLP.py"

ميزات ميكروملب:

  • هيكل متعدد الطبقات والاتصالات قابل للتعديل
  • التحيز المتكامل على الخلايا العصبية
  • اللدونة من الاتصالات المدرجة
  • وظائف التنشيط حسب الطبقة
  • معلمات ألفا وإيتا وكسب
  • إدارة مجموعة من الأمثلة والتعلم
  • وظائف QLearning لاستخدام التعلم المعزز
  • حفظ وتحميل كل البنية إلى/من ملف json
  • وظائف التنشيط المختلفة:
    • خطوة هيفيسايد الثنائية
    • لوجستية (خطوة سيجمية أو ناعمة)
    • الظل الزائدي
    • مقوم SoftPlus
    • ReLU (الوحدة الخطية المصححة)
    • وظيفة غاوسية

استخدم التعلم العميق من أجل:

  • معالجة الإشارات (معالجة الكلام، تحديد الهوية، التصفية)
  • معالجة الصور (الضغط، التعرف، الأنماط)
  • التحكم (التشخيص، مراقبة الجودة، الروبوتات)
  • التحسين (التخطيط وتنظيم المرور والتمويل)
  • المحاكاة (محاكاة الصندوق الأسود)
  • التصنيف (تحليل الحمض النووي)
  • التقريب (دالة غير معروفة، دالة معقدة)

باستخدام وظائف MicroMLP الثابتة:

اسم وظيفة
يخلق mlp = MicroMLP.Create(neuronsByLayers, activationFuncName, layersAutoConnectFunction=None, useBiasValue=1.0)
تحميل من ملف mlp = MicroMLP.LoadFromFile(filename)

استخدام MicroMLP لإنشاء شبكة عصبية بسرعة: 

 from microMLP import MicroMLP
mlp = MicroMLP . Create ([ 3 , 10 , 2 ], "Sigmoid" , MicroMLP . LayersFullConnect )

باستخدام فئة MicroMLP الرئيسية:

اسم وظيفة
منشئ mlp = MicroMLP()
GetLayer layer = mlp.GetLayer(layerIndex)
GetLayerIndex idx = mlp.GetLayerIndex(layer)
RemoveLayer mlp.RemoveLayer(layer)
GetInputLayer inputLayer = mlp.GetInputLayer()
GetOutputLayer outputLayer = mlp.GetOutputLayer()
يتعلم ok = mlp.Learn(inputVectorNNValues, targetVectorNNValues)
امتحان ok = mlp.Test(inputVectorNNValues, targetVectorNNValues)
يتنبأ outputVectorNNValues = mlp.Predict(inputVectorNNValues)
QLearningLearnForChosenAction ok = mlp.QLearningLearnForChosenAction(stateVectorNNValues, rewardNNValue, pastStateVectorNNValues, chosenActionIndex, terminalState=True, discountFactorNNValue=None)
QLearningPredictBestActionIndex bestActionIndex = mlp.QLearningPredictBestActionIndex(stateVectorNNValues)
SaveToFile ok = mlp.SaveToFile(filename)
AddExample ok = mlp.AddExample(inputVectorNNValues, targetVectorNNValues)
أمثلة واضحة mlp.ClearExamples()
تعلم الأمثلة learnCount = mlp.LearnExamples(maxSeconds=30, maxCount=None, stopWhenLearned=True, printMAEAverage=True)
ملكية مثال القراءة/الكتابة
طبقات mlp.Layers يحصل
عدد الطبقات mlp.LayersCount يحصل
IsNetworkComplete mlp.IsNetworkComplete يحصل
MSE mlp.MSE يحصل
ماي mlp.MAE يحصل
MSEPercent mlp.MSEPercent يحصل
MAEPercent mlp.MAEPercent يحصل
عدد الأمثلة mlp.ExamplesCount يحصل

استخدام MicroMLP للتعرف على مشكلة XOr (مع الظل الزائدي): 

 from microMLP import MicroMLP

mlp = MicroMLP . Create ( neuronsByLayers           = [ 2 , 2 , 1 ],
                       activationFuncName        = MicroMLP . ACTFUNC_TANH ,
                       layersAutoConnectFunction = MicroMLP . LayersFullConnect )

nnFalse  = MicroMLP . NNValue . FromBool ( False )
nnTrue   = MicroMLP . NNValue . FromBool ( True )

mlp . AddExample ( [ nnFalse , nnFalse ], [ nnFalse ] )
mlp . AddExample ( [ nnFalse , nnTrue ], [ nnTrue ] )
mlp . AddExample ( [ nnTrue , nnTrue ], [ nnFalse ] )
mlp . AddExample ( [ nnTrue , nnFalse ], [ nnTrue ] )

learnCount = mlp . LearnExamples ()

print ( "LEARNED :" )
print ( "  - False xor False = %s" % mlp . Predict ([ nnFalse , nnFalse ])[ 0 ]. AsBool )
print ( "  - False xor True  = %s" % mlp . Predict ([ nnFalse , nnTrue ] )[ 0 ]. AsBool )
print ( "  - True  xor True  = %s" % mlp . Predict ([ nnTrue , nnTrue ] )[ 0 ]. AsBool )
print ( "  - True  xor False = %s" % mlp . Predict ([ nnTrue , nnFalse ])[ 0 ]. AsBool )

if mlp . SaveToFile ( "mlp.json" ) :
	print ( "MicroMLP structure saved!" )
عامل وصف تقصير
mlp.Eta ترجيح تصحيح الخطأ 0.30
mlp.Alpha قوة الاتصالات اللدونة 0.75
mlp.Gain اكتساب التعلم عبر الشبكة 0.99
mlp.CorrectLearnedMAE عتبة خطأ التعلم الذاتي 0.02
الرسم البياني اسم وظيفة التنشيط ثابت التفاصيل
HC² "Heaviside" MicroMLP.ACTFUNC_HEAVISIDE خطوة هيفيسايد الثنائية
HC² "Sigmoid" MicroMLP.ACTFUNC_SIGMOID لوجستية (خطوة سيجمية أو ناعمة)
HC² "TanH" MicroMLP.ACTFUNC_TANH الظل الزائدي
HC² "SoftPlus" MicroMLP.ACTFUNC_SOFTPLUS مقوم SoftPlus
HC² "ReLU" MicroMLP.ACTFUNC_RELU وحدة خطية مصححة
HC² "Gaussian" MicroMLP.ACTFUNC_GAUSSIAN وظيفة غاوسية
وظيفة الاتصال التلقائي للطبقات التفاصيل
MicroMLP.LayersFullConnect الشبكة متصلة بالكامل

باستخدام فئة MicroMLP.Layer :

اسم وظيفة
منشئ layer = MicroMLP.Layer(parentMicroMLP, activationFuncName=None, neuronsCount=0)
GetLayerIndex idx = layer.GetLayerIndex()
احصل على نيورون neuron = layer.GetNeuron(neuronIndex)
GetNeuronIndex idx = layer.GetNeuronIndex(neuron)
AddNeuron layer.AddNeuron(neuron)
RemoveNeuron layer.RemoveNeuron(neuron)
GetMeanSquareError mse = layer.GetMeanSquareError()
GetMeanAbsoluteError mae = layer.GetMeanAbsoluteError()
GetMeanSquareErrorAsPercent mseP = layer.GetMeanSquareErrorAsPercent()
GetMeanAbsoluteErrorAsPercent maeP = layer.GetMeanAbsoluteErrorAsPercent()
يزيل layer.Remove()
ملكية مثال القراءة/الكتابة
ParentMicroMLP layer.ParentMicroMLP يحصل
اسم التنشيط layer.ActivationFuncName يحصل
الخلايا العصبية layer.Neurons يحصل
عدد الخلايا العصبية layer.NeuronsCount يحصل

باستخدام فئة MicroMLP.InputLayer(Layer) :

اسم وظيفة
منشئ inputLayer = MicroMLP.InputLayer(parentMicroMLP, neuronsCount=0)
SetInputVectorNNValues ok = inputLayer.SetInputVectorNNValues(inputVectorNNValues)

باستخدام فئة MicroMLP.OutputLayer(Layer) :

اسم وظيفة
منشئ outputLayer = MicroMLP.OutputLayer(parentMicroMLP, activationFuncName, neuronsCount=0)
GetOutputVectorNNValues outputVectorNNValues = outputLayer.GetOutputVectorNNValues()
خطأ في حسابTargetLayer ok = outputLayer.ComputeTargetLayerError(targetVectorNNValues)

باستخدام فئة MicroMLP.Neuron :

اسم وظيفة
منشئ neuron = MicroMLP.Neuron(parentLayer)
GetNeuronIndex idx = neuron.GetNeuronIndex()
GetInputConnections connections = neuron.GetInputConnections()
GetOutputConnections connections = neuron.GetOutputConnections()
AddInputConnection neuron.AddInputConnection(connection)
AddOutputConnection neuron.AddOutputConnection(connection)
RemoveInputConnection neuron.RemoveInputConnection(connection)
RemoveOutputConnection neuron.RemoveOutputConnection(connection)
SetBias neuron.SetBias(bias)
GetBias neuron.GetBias()
SetOutputNNValue neuron.SetOutputNNValue(nnvalue)
قيمة الحساب neuron.ComputeValue()
خطأ حسابي neuron.ComputeError(targetNNValue=None)
يزيل neuron.Remove()
ملكية مثال القراءة/الكتابة
ParentLayer neuron.ParentLayer يحصل
الإخراج المحسوب neuron.ComputedOutput يحصل
خطأ دلتا المحسوب neuron.ComputedDeltaError يحصل
خطأ محسوب neuron.ComputedSignalError يحصل

باستخدام فئة MicroMLP.Connection :

اسم وظيفة
منشئ connection = MicroMLP.Connection(neuronSrc, neuronDst, weight=None)
تحديث الوزن connection.UpdateWeight(eta, alpha)
يزيل connection.Remove()
ملكية مثال القراءة/الكتابة
نيورونسرك connection.NeuronSrc يحصل
نيوروندست connection.NeuronDst يحصل
وزن connection.Weight يحصل

باستخدام فئة MicroMLP.Bias :

اسم وظيفة
منشئ bias = MicroMLP.Bias(neuronDst, value=1.0, weight=None)
تحديث الوزن bias.UpdateWeight(eta, alpha)
يزيل bias.Remove()
ملكية مثال القراءة/الكتابة
نيوروندست bias.NeuronDst يحصل
قيمة bias.Value يحصل
وزن bias.Weight يحصل

باستخدام وظائف MicroMLP.NNValue الثابتة:

اسم وظيفة
من النسبة المئوية nnvalue = MicroMLP.NNValue.FromPercent(value)
نسبة جديدة nnvalue = MicroMLP.NNValue.NewPercent()
من بايت nnvalue = MicroMLP.NNValue.FromByte(value)
نيوبايت nnvalue = MicroMLP.NNValue.NewByte()
من بول nnvalue = MicroMLP.NNValue.FromBool(value)
NewBool nnvalue = MicroMLP.NNValue.NewBool()
من AnalogSignal nnvalue = MicroMLP.NNValue.FromAnalogSignal(value)
NewAnalogSignal nnvalue = MicroMLP.NNValue.NewAnalogSignal()

باستخدام فئة MicroMLP.NNValue :

اسم وظيفة
منشئ nnvalue = MicroMLP.NNValue(minValue, maxValue, value)
ملكية مثال القراءة/الكتابة
AsFloat nnvalue.AsFloat = 639.513 الحصول على / تعيين
AsInt nnvalue.AsInt = 12345 الحصول على / تعيين
كنسبة مئوية nnvalue.AsPercent = 65 الحصول على / تعيين
AsByte nnvalue.AsByte = b'x75' الحصول على / تعيين
AsBool nnvalue.AsBool = True الحصول على / تعيين
AsAnalogSignal nnvalue.AsAnalogSignal = 0.39472 الحصول على / تعيين

بواسطة JC`zic لـ HC² ;')

يبقيه بسيط، غبي ؟

يوسع
معلومات إضافية
تطبيقات ذات صلة
نوصي لك
أخبار ذات صلة الكل