基于Java实现的一层简单人工神经网络算法示例

 import java.util.Arrays; public class Data { double[] vector; int dimention; int type; public double[] getVector() { return vector; } public void setVector(double[] vector) { this.vector = vector; } public int getDimention() { return dimention; } public void setDimention(int dimention) { this.dimention = dimention; } public int getType() { return type; } public void setType(int type) { this.type = type; } public Data(double[] vector, int dimention, int type) { super(); this.vector = vector; this.dimention = dimention; this.type = type; } public Data() { } @Override public String toString() { return "Data [vector=" + Arrays.toString(vector) + ", dimention=" + dimention + ", type=" + type + "]"; } } 

 package cn.edu.hbut.chenjie; import java.util.ArrayList; import java.util.List; import java.util.Random; import org.jfree.chart.ChartFactory; import org.jfree.chart.ChartFrame; import org.jfree.chart.JFreeChart; import org.jfree.data.xy.DefaultXYDataset; import org.jfree.ui.RefineryUtilities; public class ANN2 { private double eta;//学习率 private int n_iter;//权重向量w[]训练次数 private List exercise;//训练数据集 private double w0 = 0;//阈值 private double x0 = 1;//固定值 private double[] weights;//权重向量，其长度为训练数据维度+1，在本例中数据为2维，故长度为3 private int testSum = 0;//测试数据总数 private int error = 0;//错误次数 DefaultXYDataset xydataset = new DefaultXYDataset(); /** * 向图表中增加同类型的数据 * @param type 类型 * @param a 所有数据的第一个分量 * @param b 所有数据的第二个分量 */ public void add(String type,double[] a,double[] b) { double[][] data = new double[2][a.length]; for(int i=0;i exercise = new ArrayList();//构造训练集 //人工模拟1000条训练数据 ，分界线为x2=x1+0.5 for(int i=0;i<1000000;i++) { Random rd = new Random(); double x1 = rd.nextDouble();//随机产生一个分量 double x2 = rd.nextDouble();//随机产生另一个分量 double[] da = {x1,x2};//产生数据向量 Data d = new Data(da, 2, x2 > x1+0.5 ? 1 : -1);//构造数据 exercise.add(d);//将训练数据加入训练集 } int sum1 = 0;//记录类型1的训练记录数 int sum2 = 0;//记录类型-1的训练记录数 for(int i = 0; i  x1_+0.5 ? 1 : -1); ann2.predict(test);//测试 } System.out.println("总共测试" + ann2.testSum + "条数据,有" + ann2.error + "条错误,错误率:" + ann2.error * 1.0 /ann2.testSum * 100 + "%"); } /** * * @param eta 学习率 * @param n_iter 权重分量学习次数 */ public ANN2(double eta, int n_iter) { this.eta = eta; this.n_iter = n_iter; } /** * 输入训练集到人工神经网络 * @param exercise */ private void input(List exercise) { this.exercise = exercise;//保存训练集 weights = new double[exercise.get(0).dimention + 1];//初始化权重向量，其长度为训练数据维度+1 weights[0] = w0;//权重向量第一个分量为w0 for(int i = 1; i =0) return 1; else return -1; } private void showWeigths() { for(double w : weights) System.out.println(w); } private void predict(Data data) { int type = CalculateResult(data); if(type == data.getType()) { //System.out.println("预测正确"); } else { //System.out.println("预测错误"); error ++; } testSum ++; } } 

 -0.22000000000000017 -0.4416843982815453 0.442444202054685 总共测试10000条数据,有17条错误,错误率:0.16999999999999998%