ニューラルネットワークによるショートリストの作成

Question

ニューラルネットワークを使用してこのタスクを達成する方法を教えてください。 - >どのように入力値をニューラルネットワークへ - ニューラルネットワークに

Answer 1

を使用して>は、あなたがTensorFlow、Googleのオープンソースニューラルネットワークライブラリに見たことがありますか？ They support recurrent neural networks、これはあなたが説明しているように聞こえるものです。

私はあなたの質問にjavaタグを気付きました。残念ながら、TensorFlowはPythonライブラリです。必要に応じて、TensorFlowからモデルのウェイトとバイアスをエクスポートし、Javaで訓練されたネットワークを再構築することができます。リカレントニューラルネットワークを再構築するための既存のJavaツールがあるかどうかはわかりませんが、最初から実行することは実現可能です。

EDIT（ニューラルネットワークを再構築する方法の詳細）：

は印刷/ TensorFlowからあなたの重みとバイアスの保存の詳細についてはhereを参照してください（私は最近話題に質問を投稿し、有用な答えを受けました）。あなたはおそらくしたい

import numpy as np 

#I copied this function from an answer here: 
#https://stackoverflow.com/questions/34968722/softmax-function-python 
def softmax(values): 
    values = [x for x in values] 
    return np.exp(values)/np.sum(np.exp(values), 0) 

def rectify(ls): 
values = ls 
for i in range(len(values)): 
    values[i] = values[i] * (values[i] > 0) 
return values 

class Neuron: 
def __init__(self, weights, bias): 
    self.weights = weights 
    self.bias = bias 
def compute(self, inputs): 
    sum = self.bias 
    for i in range(len(inputs)): 
     sum += self.weights[i] * inputs[i] 
    return sum 

class Layer: 
def __init__(self, weightSets, biases): 
    self.neurons = [] 
    for i in range(len(weightSets)): 
     neuron = Neuron(weightSets[i], biases[i]) 
     self.neurons.append(neuron) 
def compute(self, inputs): 
    outputs = [] 
    for neuron in self.neurons: 
     outputs.append(neuron.compute(inputs)) 
    return outputs 

def networkCompute(inputs): 
global layer1, layer2, layer3 
v = rectify(layer1.compute(inputs)) 
v = rectify(layer2.compute(v)) 
return softmax(layer3.compute(v))