BP神经网络实现(Java代码)

BP神经网络实现（Java代码）

2012-01-04 16:16 282人阅读评论(1) 收藏举报

神经网络的原理虽然理解起来不难，但是要是想实现它，还是需要做一些工作的，并且有很多细节性的东西需要注意。通过参阅各种相关资料，以及参考网络上已有的资源，自己写了一个含有一个隐含层，且只能有一个输出单元的简单的BP网络，经过测试，达到了预期的效果。

需要说明的是，神经网络的每个输入都在[0,1]中，输出也在[0,1]中，在使用神经网络解决实际问题的时候，还需要对实际问题的输入输出进行归一化处理。另外，尽量不要使得神经网络的输入或输出接近于0或1，这样会影响拟合效果。

我用正弦函数进行了一次测试，效果如图所示：

以下是相关的代码：

1.神经网络代码

[java]view plaincopy

1.package pkg1;

2.

3.import java.util.Scanner;

4.

5./*

6. *

7. */

8.public class TestNeuro {

9.

10.private int INPUT_DIM=1;

11.private int HIDDEN_DIM=20;

12.private double LEARNING_RATE=0.05;

13.double [][] input_hidden_weights=new double[INPUT_DIM][HIDDEN_DIM];

14.double [] hidden_output_weights=new double[HIDDEN_DIM];

15.double[] hidden_thresholds=new double[HIDDEN_DIM];

16.double output_threshold;

17.

18.public static void main(String[]args){

19. Scanner in=new Scanner(System.in);

20. TestNeuro neuro=new TestNeuro(1,5);

21. neuro.initialize();

22.for(int i=0;i<10000;i++){

23.double[] input=new double[1];

24. input[0]=Math.random();

25.double expectedOutput=input[0]*input[0];

26.//System.out.println("input : "+input[0]+"\t\texpectedOutput :

"+expectedOutput);

27.//System.out.println("predict before training : "+neuro.predict

(input));

28. neuro.trainOnce(input, expectedOutput);

29.//System.out.println("predict after training : "+neuro.predict(

input));

30.//in.next();

31. }

32.while(true){

33.//neuro.printLinks();

34.double[] input=new double[1];

35. input[0]=in.nextDouble();

36.double expectedOutput=in.nextDouble();

37. System.out.println("predict before training : "+neuro.predict(i

nput));

38. neuro.trainOnce(input, expectedOutput);

39. System.out.println("predict after training : "+neuro.predict(in

put));

40.

41. }

42. }

43.

44.public TestNeuro(int input_dimension,int hidden_dimension){

45.this.INPUT_DIM=input_dimension;

46.this.HIDDEN_DIM=hidden_dimension;

47.this.initialize();

48. }

49.

50.

51./**

52. * 打印出本神经元网络各层之间的连接权重，以及各个神经元上的阈值的信息。

53. */

54.void print(){

55. System.out.println("隐含层阈值：");

56.for(int i=0;i

57. System.out.print(hidden_thresholds[i]+" ");

58. }System.out.println();

59. System.out.println("输出层阈值：");

60. System.out.println(output_threshold);

61.

62. System.out.println("连接权重：*********************");

63. System.out.println("输入层与隐含层的连接");

64.for(int i=0;i

65.for(int j=0;j

66. System.out.print(input_hidden_weights[i][j]+" ");

67. }System.out.println();

68. }

69. System.out.println("隐含层到输出层的连接");

70.for(int i=0;i

71. System.out.print(hidden_output_weights[i]+" ");

72. }System.out.println();

73. System.out.println("*********************************");

74. }

75.

76./**

77. * 初始化，对所有的权值产生一个(0,1)之间的随机double型值

78. */

79.void initialize(){

80.

81.//输入层到隐含层的连接权重

82.for(int i=0;i

83.for(int j=0;j

84. input_hidden_weights[i][j]=Math.random();

85. }

86. }

87.//隐含层到输出层的连接权重

88.for(int i=0;i

89. hidden_output_weights[i]=Math.random();

90. }

91.//隐含层的阈值