javaの簡単なニューラルネットワークのセットアップ

Question

私はJavaでニューラルネットワークを含むいくつかの単純な概念で遊んすることを決めた、と私はフォーラムで見つけ多少の無駄なコードを適応させるには、私は典型的な初心者のための非常に単純なモデルを作成することができましたXORシミュレーション：私のメインクラスで

public class MainApp { 
    public static void main (String [] args) { 
     Neuron xor = new Neuron(0.5f); 
     Neuron left = new Neuron(1.5f); 
     Neuron right = new Neuron(0.5f); 
     left.setWeight(-1.0f); 
     right.setWeight(1.0f); 
     xor.connect(left, right); 

     for (String val : args) { 
      Neuron op = new Neuron(0.0f); 
      op.setWeight(Boolean.parseBoolean(val)); 
      left.connect(op); 
      right.connect(op); 
     } 

     xor.fire(); 

     System.out.println("Result: " + xor.isFired()); 

    } 
} 

public class Neuron { 
    private ArrayList inputs; 
    private float weight; 
    private float threshhold; 
    private boolean fired; 

    public Neuron (float t) { 
     threshhold = t; 
     fired = false; 
     inputs = new ArrayList(); 
    } 

    public void connect (Neuron ... ns) { 
     for (Neuron n : ns) inputs.add(n); 
    } 

    public void setWeight (float newWeight) { 
     weight = newWeight; 
    } 

    public void setWeight (boolean newWeight) { 
     weight = newWeight ? 1.0f : 0.0f; 
    } 

    public float getWeight() { 
     return weight; 
    } 

    public float fire() { 
     if (inputs.size() > 0) { 
      float totalWeight = 0.0f; 
      for (Neuron n : inputs) { 
       n.fire(); 
       totalWeight += (n.isFired()) ? n.getWeight() : 0.0f; 
      } 
      fired = totalWeight > threshhold; 
      return totalWeight; 
     } 
     else if (weight != 0.0f) { 
      fired = weight > threshhold; 
      return weight; 
     } 
     else { 
      return 0.0f; 
     } 
    } 

    public boolean isFired() { 
     return fired; 
    } 
} 

、私はモデリングジェフ・ヒートンの図では、簡単なシミュレーション作成しました：

をしかし、私はニューロンクラスのための私の実装があることを確認したかったですコーラル私はすでにすべての入力（[true true]、[true false]、[false true]、[false false]）をテストしました。さらに、このプログラムは引数を引数として受け入れるので、[真偽false]、[真の真偽]などの入力に対する手動検証にも合うようです。

概念的に言えば、この実装は正しいでしょうか？あるいは、私がこのトピックのさらなる開発と研究を始める前に、どのように改善することができますか？

ありがとうございました！ （限られた）から

Answer 1

は、実装及びモデルが私に正しく見えることを、私はニューラルネットでやった仕事 - 出力は、私が期待するものであり、ソースは固体に見えます。

Answer 2

それは良い出発点のように見えます。すでに現在の入力セットで解雇だニューロンは、それぞれの時間を再計算する必要がないように、スケーラビリティ、火（のために

1. ）再構築する必要があります。私はいくつかの提案を持っています。これは、別の隠しレイヤーまたは複数の出力ノードがある場合にも当てはまります。

2. は、独自の方法にあなたのしきい値CALCを分割することを検討してください。次に、Neuronをサブクラス化し、異なる種類の活性化関数（バイポーラ・シグモイド、RBF、線形など）を使用することができます。

3. 各ニューロンへのバイアス入力を追加し、より複雑な機能を習得します。それは基本的にそれ自身の重み付け値を持つ別の入力に似ていますが、入力は常に1（または-1）に固定されています。

は、訓練方法を可能にすることを忘れないでください。バックプロパゲーションには、ターゲット出力を取得し、各レイヤーの重量変化をリップルするために、fire（）の逆数のようなものが必要です。