ホーム>プログラミング関連>AI ソースコード
ダウンロード

MicroMLP は、マイクロ人工ニューラル ネットワーク多層パーセプトロンです (主に ESP32 および Pycom モジュールで使用されます)

HC²

統合は非常に簡単で、1 つのファイルのみで非常に軽量です。

  • "microMLP.py"

MicroMLP の機能:

  • 変更可能な多層構造と接続構造
  • ニューロンに対する統合されたバイアス
  • 接続部の可塑性を含む
  • 層ごとの活性化関数
  • パラメータ アルファ、イータ、ゲイン
  • 一連の例の管理と学習
  • 強化学習を利用するためのQLearning関数
  • すべての構造を json ファイルに保存し、json ファイルからロードします
  • 各種活性化機能：
    • ヘビサイドバイナリステップ
    • ロジスティック (シグモイドまたはソフト ステップ)
    • 双曲線正接
    • SoftPlus 整流器
    • ReLU (修正線形単位)
    • ガウス関数

深層学習を次の目的で使用します。

  • 信号処理（音声処理、識別、フィルタリング）
  • 画像処理（圧縮、認識、パターン）
  • 制御（診断、品質管理、ロボティクス）
  • 最適化（計画、交通規制、財務）
  • シミュレーション（ブラックボックスシミュレーション）
  • 分類（DNA解析）
  • 近似（未知関数、複素関数）

MicroMLP静的関数の使用:

名前関数
作成するmlp = MicroMLP.Create(neuronsByLayers, activationFuncName, layersAutoConnectFunction=None, useBiasValue=1.0)
ファイルからロードmlp = MicroMLP.LoadFromFile(filename)

MicroMLP を使用すると、ニューラル ネットワークを迅速に作成できます。 

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

MicroMLPメインクラスの使用:

名前関数
コンストラクタmlp = MicroMLP()
GetLayer layer = mlp.GetLayer(layerIndex)
GetLayerIndex idx = mlp.GetLayerIndex(layer)
レイヤの削除mlp.RemoveLayer(layer)
GetInputLayer inputLayer = mlp.GetInputLayer()
GetOutputLayer outputLayer = mlp.GetOutputLayer()
学ぶok = mlp.Learn(inputVectorNNValues, targetVectorNNValues)
テストok = mlp.Test(inputVectorNNValues, targetVectorNNValues)
予測するoutputVectorNNValues = mlp.Predict(inputVectorNNValues)
QLearningLearnForChosenAction ok = mlp.QLearningLearnForChosenAction(stateVectorNNValues, rewardNNValue, pastStateVectorNNValues, chosenActionIndex, terminalState=True, discountFactorNNValue=None)
QLearningPredictBestActionIndex bestActionIndex = mlp.QLearningPredictBestActionIndex(stateVectorNNValues)
ファイルに保存ok = mlp.SaveToFile(filename)
追加例ok = mlp.AddExample(inputVectorNNValues, targetVectorNNValues)
クリア例mlp.ClearExamples()
学ぶ例learnCount = mlp.LearnExamples(maxSeconds=30, maxCount=None, stopWhenLearned=True, printMAEAverage=True)
財産例読み取り/書き込み
レイヤーmlp.Layers得る
レイヤー数mlp.LayersCount得る
ネットワークが完了していますmlp.IsNetworkComplete得る
MSE mlp.MSE得る
前mlp.MAE得る
MSEパーセントmlp.MSEPercent得る
MAEパーセントmlp.MAEPercent得る
例カウントmlp.ExamplesCount得る

MicroMLP を使用して XOr 問題を学習します (双曲線正接を使用): 

 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!" )
変数説明デフォルト
mlp.Eta誤り訂正の重み付け0.30
mlp.Alpha接続強度 可塑性0.75
mlp.Gainネットワーク学習の向上0.99
mlp.CorrectLearnedMAE自己学習エラーの閾値0.02
グラフアクティベーション関数名定数詳細
HC² "Heaviside" MicroMLP.ACTFUNC_HEAVISIDEヘビサイドバイナリステップ
HC² "Sigmoid" MicroMLP.ACTFUNC_SIGMOIDロジスティック (シグモイドまたはソフト ステップ)
HC² "TanH" MicroMLP.ACTFUNC_TANH双曲線正接
HC² "SoftPlus" MicroMLP.ACTFUNC_SOFTPLUS SoftPlus 整流器
HC² "ReLU" MicroMLP.ACTFUNC_RELU整流リニアユニット
HC² "Gaussian" MicroMLP.ACTFUNC_GAUSSIANガウス関数
レイヤー自動接続機能詳細
MicroMLP.LayersFullConnectネットワークが完全に接続されている

MicroMLP.Layerクラスの使用:

名前関数
コンストラクタlayer = MicroMLP.Layer(parentMicroMLP, activationFuncName=None, neuronsCount=0)
GetLayerIndex idx = layer.GetLayerIndex()
GetNeuron neuron = layer.GetNeuron(neuronIndex)
GetNeuronIndex idx = layer.GetNeuronIndex(neuron)
ニューロンの追加layer.AddNeuron(neuron)
ニューロンの削除layer.RemoveNeuron(neuron)
GetMeanSquareError mse = layer.GetMeanSquareError()
GetMeanAbsoluteError mae = layer.GetMeanAbsoluteError()
GetMeanSquareErrorAsPercent mseP = layer.GetMeanSquareErrorAsPercent()
GetMeanAbsoluteErrorAsPercent maeP = layer.GetMeanAbsoluteErrorAsPercent()
取り除くlayer.Remove()
財産例読み取り/書き込み
親マイクロMLP layer.ParentMicroMLP得る
アクティベーション機能名layer.ActivationFuncName得る
ニューロンlayer.Neurons得る
ニューロン数layer.NeuronsCount得る

MicroMLP.InputLayer(Layer)クラスの使用:

名前関数
コンストラクタinputLayer = MicroMLP.InputLayer(parentMicroMLP, neuronsCount=0)
SetInputVectorNNValues ok = inputLayer.SetInputVectorNNValues(inputVectorNNValues)

MicroMLP.OutputLayer(Layer)クラスの使用:

名前関数
コンストラクタoutputLayer = MicroMLP.OutputLayer(parentMicroMLP, activationFuncName, neuronsCount=0)
GetOutputVectorNNValues outputVectorNNValues = outputLayer.GetOutputVectorNNValues()
ComputeTargetLayerError ok = outputLayer.ComputeTargetLayerError(targetVectorNNValues)

MicroMLP.Neuronクラスの使用:

名前関数
コンストラクタneuron = MicroMLP.Neuron(parentLayer)
GetNeuronIndex idx = neuron.GetNeuronIndex()
GetInputConnections connections = neuron.GetInputConnections()
GetOutputConnections connections = neuron.GetOutputConnections()
入力接続の追加neuron.AddInputConnection(connection)
出力接続の追加neuron.AddOutputConnection(connection)
入力接続の削除neuron.RemoveInputConnection(connection)
出力接続の削除neuron.RemoveOutputConnection(connection)
セットバイアスneuron.SetBias(bias)
取得バイアスneuron.GetBias()
SetOutputNNValue neuron.SetOutputNNValue(nnvalue)
値の計算neuron.ComputeValue()
計算エラーneuron.ComputeError(targetNNValue=None)
取り除くneuron.Remove()
財産例読み取り/書き込み
親レイヤーneuron.ParentLayer得る
計算された出力neuron.ComputedOutput得る
計算されたデルタエラーneuron.ComputedDeltaError得る
計算された信号エラーneuron.ComputedSignalError得る

MicroMLP.Connectionクラスの使用:

名前関数
コンストラクタconnection = MicroMLP.Connection(neuronSrc, neuronDst, weight=None)
UpdateWeight connection.UpdateWeight(eta, alpha)
取り除くconnection.Remove()
財産例読み取り/書き込み
ニューロンSrc connection.NeuronSrc得る
ニューロンDst connection.NeuronDst得る
重さconnection.Weight得る

MicroMLP.Biasクラスの使用:

名前関数
コンストラクタbias = MicroMLP.Bias(neuronDst, value=1.0, weight=None)
UpdateWeight bias.UpdateWeight(eta, alpha)
取り除くbias.Remove()
財産例読み取り/書き込み
ニューロンDst bias.NeuronDst得る
価値bias.Value得る
重さbias.Weight得る

MicroMLP.NNValue静的関数の使用:

名前関数
からパーセントnnvalue = MicroMLP.NNValue.FromPercent(value)
新しいパーセントnnvalue = MicroMLP.NNValue.NewPercent()
フロムバイトnnvalue = MicroMLP.NNValue.FromByte(value)
ニューバイトnnvalue = MicroMLP.NNValue.NewByte()
フロムブールnnvalue = MicroMLP.NNValue.FromBool(value)
ニューブールnnvalue = MicroMLP.NNValue.NewBool()
アナログ信号からnnvalue = MicroMLP.NNValue.FromAnalogSignal(value)
新しいアナログ信号nnvalue = MicroMLP.NNValue.NewAnalogSignal()

MicroMLP.NNValueクラスの使用:

名前関数
コンストラクタnnvalue = MicroMLP.NNValue(minValue, maxValue, value)
財産例読み取り/書き込み
アスフロートnnvalue.AsFloat = 639.513取得/設定
AsInt nnvalue.AsInt = 12345取得/設定
パーセントとしてnnvalue.AsPercent = 65取得/設定
アズバイトnnvalue.AsByte = b'x75'取得/設定
アズブールnnvalue.AsBool = True取得/設定
アナログ信号としてnnvalue.AsAnalogSignal = 0.39472取得/設定

HC² の JC`zic による ;')

シンプルにしてください、愚か者？

拡大する
追加情報
関連アプリ
おすすめ
関連情報 すべて