Главная страница>Связанные с программированием>AI Исходный код
Скачать

MicroMLP - это многослойный перцептрон микроискусственной нейронной сети (в основном используется в модулях ESP32 и Pycom).

HC²

Очень легко интегрировать и очень легко использовать только один файл:

  • "microMLP.py"

Возможности MicroMLP:

  • Изменяемая многослойная структура и структура соединений
  • Комплексное смещение нейронов
  • Пластичность соединений включена в стоимость
  • Функции активации по слою
  • Параметры Альфа, Эта и усиление
  • Управление набором примеров и обучение
  • Функции QLearning для использования обучения с подкреплением
  • Сохраните и загрузите всю структуру в/из файла json.
  • Различные функции активации:
    • Бинарный шаг Хевисайда
    • Логистический (сигмовидный или мягкий шаг)
    • Гиперболический тангенс
    • Выпрямитель СофтПлюс
    • РеЛУ (выпрямленная линейная единица)
    • Функция Гаусса

Используйте глубокое обучение для:

  • Обработка сигналов (обработка речи, идентификация, фильтрация)
  • Обработка изображений (сжатие, распознавание, шаблоны)
  • Контроль (диагностика, контроль качества, робототехника)
  • Оптимизация (планирование, регулирование дорожного движения, финансы)
  • Моделирование (имитация черного ящика)
  • Классификация (анализ ДНК)
  • Приближение (неизвестная функция, комплексная функция)

Использование статических функций MicroMLP :

Имя Функция
Создавать mlp = MicroMLP.Create(neuronsByLayers, activationFuncName, layersAutoConnectFunction=None, useBiasValue=1.0)
Загрузитьизфайла mlp = MicroMLP.LoadFromFile(filename)

Использование MicroMLP для быстрого создания нейронной сети: 

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

Использование основного класса MicroMLP :

Имя Функция
Конструктор mlp = MicroMLP()
Получить слой layer = mlp.GetLayer(layerIndex)
GetLayerIndex idx = mlp.GetLayerIndex(layer)
Удалить слой mlp.RemoveLayer(layer)
GetInputLayer inputLayer = mlp.GetInputLayer()
GetOutputLayer outputLayer = mlp.GetOutputLayer()
Учиться ok = mlp.Learn(inputVectorNNValues, targetVectorNNValues)
Тест ok = mlp.Test(inputVectorNNValues, targetVectorNNValues)
Предсказывать outputVectorNNValues = mlp.Predict(inputVectorNNValues)
QLearningLearnForChosenAction ok = mlp.QLearningLearnForChosenAction(stateVectorNNValues, rewardNNValue, pastStateVectorNNValues, chosenActionIndex, terminalState=True, discountFactorNNValue=None)
QLearningPredictBestActionIndex bestActionIndex = mlp.QLearningPredictBestActionIndex(stateVectorNNValues)
Сохранить в файл ok = mlp.SaveToFile(filename)
ДобавитьПример ok = mlp.AddExample(inputVectorNNValues, targetVectorNNValues)
ОчиститьПримеры mlp.ClearExamples()
ИзучитеПримеры learnCount = mlp.LearnExamples(maxSeconds=30, maxCount=None, stopWhenLearned=True, printMAEAverage=True)
Свойство Пример Чтение/запись
Слои mlp.Layers получать
Количество слоев mlp.LayersCount получать
Иснетворккомплете mlp.IsNetworkComplete получать
МШЭ mlp.MSE получать
МАЭ mlp.MAE получать
MSEPercent mlp.MSEPercent получать
MAEPercent mlp.MAEPercent получать
ПримерыКоличество mlp.ExamplesCount получать

Использование MicroMLP для изучения проблемы XOr (с гиперболическим тангенсом): 

 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!" )
Переменная Описание По умолчанию
mlp.Eta Взвешивание исправления ошибок 0,30
mlp.Alpha Прочность соединений пластичность 0,75
mlp.Gain Прирост от сетевого обучения 0,99
mlp.CorrectLearnedMAE Порог ошибки самообучения 0,02
График Название функции активации Конст Деталь
HC² "Heaviside" MicroMLP.ACTFUNC_HEAVISIDE Бинарный шаг Хевисайда
HC² "Sigmoid" MicroMLP.ACTFUNC_SIGMOID Логистический (сигмовидный или мягкий шаг)
HC² "TanH" MicroMLP.ACTFUNC_TANH Гиперболический тангенс
HC² "SoftPlus" MicroMLP.ACTFUNC_SOFTPLUS Выпрямитель СофтПлюс
HC² "ReLU" MicroMLP.ACTFUNC_RELU Выпрямленный линейный агрегат
HC² "Gaussian" MicroMLP.ACTFUNC_GAUSSIAN Функция Гаусса
Функция автоматического соединения слоев Деталь
MicroMLP.LayersFullConnect Сеть полностью подключена

Использование класса MicroMLP.Layer :

Имя Функция
Конструктор layer = MicroMLP.Layer(parentMicroMLP, activationFuncName=None, neuronsCount=0)
GetLayerIndex idx = layer.GetLayerIndex()
ПолучитьНейрон neuron = layer.GetNeuron(neuronIndex)
ПолучитьНейронИндекс idx = layer.GetNeuronIndex(neuron)
ДобавитьНейрон layer.AddNeuron(neuron)
УдалитьНейрон layer.RemoveNeuron(neuron)
GetMeanSquareError mse = layer.GetMeanSquareError()
GetMeanAbsoluteError mae = layer.GetMeanAbsoluteError()
GetMeanSquareErrorAsPercent mseP = layer.GetMeanSquareErrorAsPercent()
GetMeanAbsoluteErrorAsPercent maeP = layer.GetMeanAbsoluteErrorAsPercent()
Удалять layer.Remove()
Свойство Пример Чтение/запись
РодительМикроMLP layer.ParentMicroMLP получать
ИмяФункции Активации layer.ActivationFuncName получать
Нейроны layer.Neurons получать
НейроныКоличество layer.NeuronsCount получать

Использование класса MicroMLP.InputLayer(Layer) :

Имя Функция
Конструктор inputLayer = MicroMLP.InputLayer(parentMicroMLP, neuronsCount=0)
SetInputVectorNNValues ok = inputLayer.SetInputVectorNNValues(inputVectorNNValues)

Использование класса MicroMLP.OutputLayer(Layer) :

Имя Функция
Конструктор outputLayer = MicroMLP.OutputLayer(parentMicroMLP, activationFuncName, neuronsCount=0)
GetOutputVectorNNValues outputVectorNNValues = outputLayer.GetOutputVectorNNValues()
ComputeTargetLayerError ok = outputLayer.ComputeTargetLayerError(targetVectorNNValues)

Использование класса MicroMLP.Neuron :

Имя Функция
Конструктор neuron = MicroMLP.Neuron(parentLayer)
ПолучитьНейронИндекс idx = neuron.GetNeuronIndex()
GetInputConnections connections = neuron.GetInputConnections()
GetOutputConnections connections = neuron.GetOutputConnections()
Аддинпутконнектион neuron.AddInputConnection(connection)
Аддаутпутконнектион neuron.AddOutputConnection(connection)
Удалитьинпутконнектион neuron.RemoveInputConnection(connection)
Удалитьаутпутконнектион neuron.RemoveOutputConnection(connection)
SetBias neuron.SetBias(bias)
Получить смещение neuron.GetBias()
SetOutputNNValue neuron.SetOutputNNValue(nnvalue)
Вычислить значение neuron.ComputeValue()
Вычислительная ошибка neuron.ComputeError(targetNNValue=None)
Удалять neuron.Remove()
Свойство Пример Чтение/запись
Родительский слой neuron.ParentLayer получать
ВычисляемыйВыход neuron.ComputedOutput получать
ВычисляемаяDeltaError neuron.ComputedDeltaError получать
ComputedSignalError neuron.ComputedSignalError получать

Использование класса MicroMLP.Connection :

Имя Функция
Конструктор connection = MicroMLP.Connection(neuronSrc, neuronDst, weight=None)
ОбновлениеВес connection.UpdateWeight(eta, alpha)
Удалять connection.Remove()
Свойство Пример Чтение/запись
НейронСрк connection.NeuronSrc получать
НейронДст connection.NeuronDst получать
Масса connection.Weight получать

Использование класса MicroMLP.Bias :

Имя Функция
Конструктор bias = MicroMLP.Bias(neuronDst, value=1.0, weight=None)
ОбновлениеВес bias.UpdateWeight(eta, alpha)
Удалять bias.Remove()
Свойство Пример Чтение/запись
НейронДст bias.NeuronDst получать
Ценить bias.Value получать
Масса bias.Weight получать

Использование статических функций MicroMLP.NNValue :

Имя Функция
Отпроцент nnvalue = MicroMLP.NNValue.FromPercent(value)
НовыйПроцент nnvalue = MicroMLP.NNValue.NewPercent()
ФромБайт nnvalue = MicroMLP.NNValue.FromByte(value)
Ньюбайт nnvalue = MicroMLP.NNValue.NewByte()
FromBool nnvalue = MicroMLP.NNValue.FromBool(value)
НьюБул nnvalue = MicroMLP.NNValue.NewBool()
FromAnalogSignal nnvalue = MicroMLP.NNValue.FromAnalogSignal(value)
НовыйАналоговыйСигнал nnvalue = MicroMLP.NNValue.NewAnalogSignal()

Использование класса MicroMLP.NNValue :

Имя Функция
Конструктор nnvalue = MicroMLP.NNValue(minValue, maxValue, value)
Свойство Пример Чтение/запись
AsFloat nnvalue.AsFloat = 639.513 получить/установить
АсИнт nnvalue.AsInt = 12345 получить/установить
Аспроцент nnvalue.AsPercent = 65 получить/установить
Асбайт nnvalue.AsByte = b'x75' получить/установить
АсБул nnvalue.AsBool = True получить/установить
Как аналоговый сигнал nnvalue.AsAnalogSignal = 0.39472 получить/установить

Автор JC`zic для HC² ;')

Будь проще, глупый ?

Расширять
Дополнительная информация
Связанные приложения
Рекомендуем вам
Связанные новости Все