MicroMLP下載 - MicroMLP原始碼下載

MicroMLP

Ai源碼

1.0.0

下載

MicroMLP是一個微型人工神經網路多層感知器（主要用在ESP32和Pycom模組上）

HC²

非常容易集成，並且非常輕量，僅包含一個文件：

"microMLP.py"

MicroMLP 的特性：

可修改的多層和連接結構
神經元的綜合偏差
包括連結的可塑性
按層激活函數
參數 Alpha、Eta 和增益
管理範例集和學習
使用強化學習的 QLearning 函數
將所有結構儲存到 json 檔案或從 json 檔案載入所有結構
各種激活函數：
- 海維賽二元步
- 邏輯（S形或軟步驟）
- 雙曲正切
- SoftPlus整流器
- ReLU（修正線性單元）
- 高斯函數

使用深度學習：

訊號處理（語音處理、辨識、濾波）
影像處理（壓縮、辨識、模式）
控制（診斷、品質控制、機器人）
優化（規劃、交通監理、財務）
模擬（黑盒模擬）
分類（DNA分析）
近似（未知函數、複函數）

使用MicroMLP靜態函數：

姓名	功能
創造	`mlp = MicroMLP.Create(neuronsByLayers, activationFuncName, layersAutoConnectFunction=None, useBiasValue=1.0)`
從檔案載入	`mlp = MicroMLP.LoadFromFile(filename)`

使用MicroMLP快速建立神經網路：

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

使用MicroMLP主類別：

姓名	功能
建構函數	`mlp = MicroMLP()`
取得圖層	`layer = mlp.GetLayer(layerIndex)`
取得圖層索引	`idx = mlp.GetLayerIndex(layer)`
刪除圖層	`mlp.RemoveLayer(layer)`
取得輸入層	`inputLayer = mlp.GetInputLayer()`
獲取輸出層	`outputLayer = mlp.GetOutputLayer()`
學習	`ok = mlp.Learn(inputVectorNNValues, targetVectorNNValues)`
測試	`ok = mlp.Test(inputVectorNNValues, targetVectorNNValues)`
預測	`outputVectorNNValues = mlp.Predict(inputVectorNNValues)`
QLearningLearnForChosenAction	`ok = mlp.QLearningLearnForChosenAction(stateVectorNNValues, rewardNNValue, pastStateVectorNNValues, chosenActionIndex, terminalState=True, discountFactorNNValue=None)`
QLearningPredictBestActionIndex	`bestActionIndex = mlp.QLearningPredictBestActionIndex(stateVectorNNValues)`
儲存到文件	`ok = mlp.SaveToFile(filename)`
新增範例	`ok = mlp.AddExample(inputVectorNNValues, targetVectorNNValues)`
清晰的例子	`mlp.ClearExamples()`
學習範例	`learnCount = mlp.LearnExamples(maxSeconds=30, maxCount=None, stopWhenLearned=True, printMAEAverage=True)`

財產	例子	讀/寫
層數	`mlp.Layers`	得到
層數	`mlp.LayersCount`	得到
網路是否完整	`mlp.IsNetworkComplete`	得到
均方誤差	`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
範例計數	`mlp.ExamplesCount`	得到

使用MicroMLP學習異或問題（使用雙曲正切）：

 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!" )

多變的	描述	預設
`mlp.Eta`	誤差修正的權重	0.30
`mlp.Alpha`	連接強度塑性	0.75
`mlp.Gain`	網路學習增益	0.99
`mlp.CorrectLearnedMAE`	自學習誤差閾值	0.02

啟動函數名稱	常量	細節
`"Heaviside"`	MicroMLP.ACTFUNC_HEAVISIDE	海維賽二元步
`"Sigmoid"`	MicroMLP.ACTFUNC_SIGMOID	邏輯（S形或軟步驟）
`"TanH"`	MicroMLP.ACTFUNC_TANH	雙曲正切
`"SoftPlus"`	MicroMLP.ACTFUNC_SOFTPLUS	SoftPlus整流器
`"ReLU"`	MicroMLP.ACTFUNC_RELU	整流線性單元
`"Gaussian"`	MicroMLP.ACTFUNC_GAUSSIAN	高斯函數

層自動連接功能	細節
`MicroMLP.LayersFullConnect`	網路全連接

使用MicroMLP.Layer類別：

姓名	功能
建構函數	`layer = MicroMLP.Layer(parentMicroMLP, activationFuncName=None, neuronsCount=0)`
取得圖層索引	`idx = layer.GetLayerIndex()`
取得神經元	`neuron = layer.GetNeuron(neuronIndex)`
取得神經元索引	`idx = layer.GetNeuronIndex(neuron)`
添加神經元	`layer.AddNeuron(neuron)`
刪除神經元	`layer.RemoveNeuron(neuron)`
取得均方誤差	`mse = layer.GetMeanSquareError()`
取得平均絕對誤差	`mae = layer.GetMeanAbsoluteError()`
取得均方誤差百分比	`mseP = layer.GetMeanSquareErrorAsPercent()`
取得平均絕對誤差百分比	`maeP = layer.GetMeanAbsoluteErrorAsPercent()`
消除	`layer.Remove()`

財產	例子	讀/寫
母微MLP	`layer.ParentMicroMLP`	得到
啟動函數名稱	`layer.ActivationFuncName`	得到
神經元	`layer.Neurons`	得到
神經元計數	`layer.NeuronsCount`	得到

使用MicroMLP.InputLayer(Layer)類別：

姓名	功能
建構函數	`inputLayer = MicroMLP.InputLayer(parentMicroMLP, neuronsCount=0)`
設定輸入向量NN值	`ok = inputLayer.SetInputVectorNNValues(inputVectorNNValues)`

使用MicroMLP.OutputLayer(Layer)類別：

姓名	功能
建構函數	`outputLayer = MicroMLP.OutputLayer(parentMicroMLP, activationFuncName, neuronsCount=0)`
取得輸出向量NN值	`outputVectorNNValues = outputLayer.GetOutputVectorNNValues()`
計算目標層錯誤	`ok = outputLayer.ComputeTargetLayerError(targetVectorNNValues)`

使用MicroMLP.Neuron類別：

姓名	功能
建構函數	`neuron = MicroMLP.Neuron(parentLayer)`
取得神經元索引	`idx = neuron.GetNeuronIndex()`
取得輸入連接	`connections = neuron.GetInputConnections()`
獲取輸出連接	`connections = neuron.GetOutputConnections()`
新增輸入連接	`neuron.AddInputConnection(connection)`
新增輸出連接	`neuron.AddOutputConnection(connection)`
刪除輸入連接	`neuron.RemoveInputConnection(connection)`
刪除輸出連接	`neuron.RemoveOutputConnection(connection)`
設定偏差	`neuron.SetBias(bias)`
取得偏差	`neuron.GetBias()`
設定輸出神經網路值	`neuron.SetOutputNNValue(nnvalue)`
計算值	`neuron.ComputeValue()`
計算錯誤	`neuron.ComputeError(targetNNValue=None)`
消除	`neuron.Remove()`

財產	例子	讀/寫
父層	`neuron.ParentLayer`	得到
計算輸出	`neuron.ComputedOutput`	得到
計算誤差	`neuron.ComputedDeltaError`	得到
計算訊號錯誤	`neuron.ComputedSignalError`	得到

使用MicroMLP.Connection類別：

姓名	功能
建構函數	`connection = MicroMLP.Connection(neuronSrc, neuronDst, weight=None)`
更新權重	`connection.UpdateWeight(eta, alpha)`
消除	`connection.Remove()`

財產	例子	讀/寫
神經元源	`connection.NeuronSrc`	得到
神經元Dst	`connection.NeuronDst`	得到
重量	`connection.Weight`	得到

使用MicroMLP.Bias類別：

姓名	功能
建構函數	`bias = MicroMLP.Bias(neuronDst, value=1.0, weight=None)`
更新權重	`bias.UpdateWeight(eta, alpha)`
消除	`bias.Remove()`

財產	例子	讀/寫
神經元Dst	`bias.NeuronDst`	得到
價值	`bias.Value`	得到
重量	`bias.Weight`	得到

使用MicroMLP.NNValue靜態函數：

姓名	功能
來自百分比	`nnvalue = MicroMLP.NNValue.FromPercent(value)`
新百分比	`nnvalue = MicroMLP.NNValue.NewPercent()`
來自位元組	`nnvalue = MicroMLP.NNValue.FromByte(value)`
新位元組	`nnvalue = MicroMLP.NNValue.NewByte()`
來自布爾	`nnvalue = MicroMLP.NNValue.FromBool(value)`
新布爾	`nnvalue = MicroMLP.NNValue.NewBool()`
來自類比訊號	`nnvalue = MicroMLP.NNValue.FromAnalogSignal(value)`
新類比訊號	`nnvalue = MicroMLP.NNValue.NewAnalogSignal()`

使用MicroMLP.NNValue類別：

姓名	功能
建構函數	`nnvalue = MicroMLP.NNValue(minValue, maxValue, value)`

財產	例子	讀/寫
浮點型	`nnvalue.AsFloat = 639.513`	取得/設定
作為整數	`nnvalue.AsInt = 12345`	取得/設定
百分比	`nnvalue.AsPercent = 65`	取得/設定
阿斯字節	`nnvalue.AsByte = b'x75'`	取得/設定
布林值	`nnvalue.AsBool = True`	取得/設定
作為類比訊號	`nnvalue.AsAnalogSignal = 0.39472`	取得/設定