首页>编程相关>Ai源码
下载

MicroMLP是一个微型人工神经网络多层感知器（主要用在ESP32和Pycom模块上）

HC²

非常容易集成，并且非常轻量，仅包含一个文件：

  • "microMLP.py"

MicroMLP 的特点：

  • 可修改的多层和连接结构
  • 神经元的综合偏差
  • 包括连接的可塑性
  • 按层激活函数
  • 参数 Alpha、Eta 和增益
  • 管理示例集和学习
  • 使用强化学习的 QLearning 函数
  • 将所有结构保存到 json 文件或从 json 文件加载所有结构
  • 各种激活函数：
    • 海维赛二元步
    • 逻辑（S形或软步骤）
    • 双曲正切
    • SoftPlus整流器
    • ReLU（修正线性单元）
    • 高斯函数

使用深度学习：

  • 信号处理（语音处理、识别、滤波）
  • 图像处理（压缩、识别、模式）
  • 控制（诊断、质量控制、机器人）
  • 优化（规划、交通监管、财务）
  • 模拟（黑盒模拟）
  • 分类（DNA分析）
  • 近似（未知函数、复函数）

使用MicroMLP静态函数：

姓名功能
创造mlp = MicroMLP.Create(neuronsByLayers, activationFuncName, layersAutoConnectFunction=None, useBiasValue=1.0)
从文件加载mlp = MicroMLP.LoadFromFile(filename)

使用MicroMLP快速创建神经网络： 

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

使用MicroMLP主类：

姓名功能
构造函数mlp = MicroMLP()
获取图层layer = mlp.GetLayer(layerIndex)
获取图层索引idx = mlp.GetLayerIndex(layer)
删除图层mlp.RemoveLayer(layer)
获取输入层inputLayer = mlp.GetInputLayer()
获取输出层outputLayer = mlp.GetOutputLayer()
学习ok = mlp.Learn(inputVectorNNValues, targetVectorNNValues)
测试ok = mlp.Test(inputVectorNNValues, targetVectorNNValues)
预测outputVectorNNValues = mlp.Predict(inputVectorNNValues)
QLearningLearnForChosenAction ok = mlp.QLearningLearnForChosenAction(stateVectorNNValues, rewardNNValue, pastStateVectorNNValues, chosenActionIndex, terminalState=True, discountFactorNNValue=None)
QLearningPredictBestActionIndex bestActionIndex = mlp.QLearningPredictBestActionIndex(stateVectorNNValues)
保存到文件ok = mlp.SaveToFile(filename)
添加示例ok = mlp.AddExample(inputVectorNNValues, targetVectorNNValues)
清晰的例子mlp.ClearExamples()
学习示例learnCount = mlp.LearnExamples(maxSeconds=30, maxCount=None, stopWhenLearned=True, printMAEAverage=True)
财产例子读/写
层数mlp.Layers得到
层数mlp.LayersCount得到
网络是否完整mlp.IsNetworkComplete得到
均方误差mlp.MSE得到
MAE mlp.MAE得到
MSE百分比mlp.MSEPercent得到
MAE百分比mlp.MAEPercent得到
示例计数mlp.ExamplesCount得到

使用MicroMLP学习异或问题（使用双曲正切）： 

 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!" )
多变的描述默认
mlp.Eta误差修正的权重0.30
mlp.Alpha连接强度塑性0.75
mlp.Gain网络学习增益0.99
mlp.CorrectLearnedMAE自学习误差阈值0.02
石墨激活函数名称常量细节
HC² "Heaviside" MicroMLP.ACTFUNC_HEAVISIDE海维赛二元步
HC² "Sigmoid" MicroMLP.ACTFUNC_SIGMOID逻辑（S形或软步骤）
HC² "TanH" MicroMLP.ACTFUNC_TANH双曲正切
HC² "SoftPlus" MicroMLP.ACTFUNC_SOFTPLUS SoftPlus整流器
HC² "ReLU" MicroMLP.ACTFUNC_RELU整流线性单元
HC² "Gaussian" MicroMLP.ACTFUNC_GAUSSIAN高斯函数
层自动连接功能细节
MicroMLP.LayersFullConnect网络全连接

使用MicroMLP.Layer类：

姓名功能
构造函数layer = MicroMLP.Layer(parentMicroMLP, activationFuncName=None, neuronsCount=0)
获取图层索引idx = layer.GetLayerIndex()
获取神经元neuron = layer.GetNeuron(neuronIndex)
获取神经元索引idx = layer.GetNeuronIndex(neuron)
添加神经元layer.AddNeuron(neuron)
删除神经元layer.RemoveNeuron(neuron)
获取均方误差mse = layer.GetMeanSquareError()
获取平均绝对误差mae = layer.GetMeanAbsoluteError()
获取均方误差百分比mseP = layer.GetMeanSquareErrorAsPercent()
获取平均绝对误差百分比maeP = layer.GetMeanAbsoluteErrorAsPercent()
消除layer.Remove()
财产例子读/写
母微MLP layer.ParentMicroMLP得到
激活函数名称layer.ActivationFuncName得到
神经元layer.Neurons得到
神经元计数layer.NeuronsCount得到

使用MicroMLP.InputLayer(Layer)类：

姓名功能
构造函数inputLayer = MicroMLP.InputLayer(parentMicroMLP, neuronsCount=0)
设置输入向量NN值ok = inputLayer.SetInputVectorNNValues(inputVectorNNValues)

使用MicroMLP.OutputLayer(Layer)类：

姓名功能
构造函数outputLayer = MicroMLP.OutputLayer(parentMicroMLP, activationFuncName, neuronsCount=0)
获取输出向量NN值outputVectorNNValues = outputLayer.GetOutputVectorNNValues()
计算目标层错误ok = outputLayer.ComputeTargetLayerError(targetVectorNNValues)

使用MicroMLP.Neuron类：

姓名功能
构造函数neuron = MicroMLP.Neuron(parentLayer)
获取神经元索引idx = neuron.GetNeuronIndex()
获取输入连接connections = neuron.GetInputConnections()
获取输出连接connections = neuron.GetOutputConnections()
添加输入连接neuron.AddInputConnection(connection)
添加输出连接neuron.AddOutputConnection(connection)
删除输入连接neuron.RemoveInputConnection(connection)
删除输出连接neuron.RemoveOutputConnection(connection)
设置偏差neuron.SetBias(bias)
获取偏差neuron.GetBias()
设置输出神经网络值neuron.SetOutputNNValue(nnvalue)
计算值neuron.ComputeValue()
计算错误neuron.ComputeError(targetNNValue=None)
消除neuron.Remove()
财产例子读/写
父层neuron.ParentLayer得到
计算输出neuron.ComputedOutput得到
计算误差neuron.ComputedDeltaError得到
计算信号错误neuron.ComputedSignalError得到

使用MicroMLP.Connection类：

姓名功能
构造函数connection = MicroMLP.Connection(neuronSrc, neuronDst, weight=None)
更新权重connection.UpdateWeight(eta, alpha)
消除connection.Remove()
财产例子读/写
神经元源connection.NeuronSrc得到
神经元Dst connection.NeuronDst得到
重量connection.Weight得到

使用MicroMLP.Bias类：

姓名功能
构造函数bias = MicroMLP.Bias(neuronDst, value=1.0, weight=None)
更新权重bias.UpdateWeight(eta, alpha)
消除bias.Remove()
财产例子读/写
神经元Dst bias.NeuronDst得到
价值bias.Value得到
重量bias.Weight得到

使用MicroMLP.NNValue静态函数：

姓名功能
来自百分比nnvalue = MicroMLP.NNValue.FromPercent(value)
新百分比nnvalue = MicroMLP.NNValue.NewPercent()
来自字节nnvalue = MicroMLP.NNValue.FromByte(value)
新字节nnvalue = MicroMLP.NNValue.NewByte()
来自布尔nnvalue = MicroMLP.NNValue.FromBool(value)
新布尔nnvalue = MicroMLP.NNValue.NewBool()
来自模拟信号nnvalue = MicroMLP.NNValue.FromAnalogSignal(value)
新模拟信号nnvalue = MicroMLP.NNValue.NewAnalogSignal()

使用MicroMLP.NNValue类：

姓名功能
构造函数nnvalue = MicroMLP.NNValue(minValue, maxValue, value)
财产例子读/写
浮点型nnvalue.AsFloat = 639.513获取/设置
作为整数nnvalue.AsInt = 12345获取/设置
百分比nnvalue.AsPercent = 65获取/设置
阿斯字节nnvalue.AsByte = b'x75'获取/设置
布尔值nnvalue.AsBool = True获取/设置
作为模拟信号nnvalue.AsAnalogSignal = 0.39472获取/设置

作者：JC`zic 为 HC² 撰写；​​')

保持简单吗，傻瓜？

展开
附加信息
相关应用
为您推荐
相关资讯 全部