taralino

NeuralNetwork

Neuronale Netze sind ein Teilgebiet des maschinellen Lernens und bieten die Möglichkeit, anhand von Trainingsdaten Muster und Gesetzmäßigkeiten zu trainieren und anschließend zu erkennen. Als zentrale Anwendungen sei beispielsweise die Erkennung hangeschriebener Ziffern oder die Bestimmung bestimmter Merkmale eines Bildes genannt. Das NeuralNetwork-Paket bietet Funktionen zum Trainieren, Evaluieren und Visualisieren neuronaler Netze.

Hinweis: Während der Trainingsphase kommt insbesondere die Backpropagation unter Verwendung der Sigmoid-Funktion zum Einsatz.

Übersicht

Das NeuralNetwork-Paket stellt folgende Befehle und Funktionen zur Verfügung:

Beispiel

Das folgende Beispiel veranschaulicht exemplarisch die zentralen Funktionen des NeuralNetwork-Pakets. Verwendet wird dazu ein neuronales Netz mit dem Layout [3,6,2]. Zunächst werden Trainingsdaten bestehend aus vier Datensätzen definiert, welche zum Trainieren des neuronalen Netzes verwendet werden. Anschließend wird ein Eingangssignal (am bereits trainierten neuronalen Netz) ausgewertet und das Ergebnis ausgegeben.

<!DOCTYPE html>
<html>
<head>
  <meta charset="utf-8">
  <meta name="viewport" content="width=device-width, initial-scale=1.0">
  <script src="taralino.js"></script>
</head>
<body>
<script>

var X = [
  {input:[0.3, 0.2, 0.5], output:[0,1]},
  {input:[0.8, 0.4, 1.0], output:[0,1]},
  {input:[0.5, 1.0, 0.2], output:[1,0]},
  {input:[0.2, 0.3, 0.0], output:[1,0]}
];

NeuralNetwork.init([3,6,2]);
NeuralNetwork.train(X, {iterations:2000, batch_size:4});

var x = [0.7, 0.2, 0.0];
var y = NeuralNetwork.evaluate(x);

Console.print(y);

</script>
</body>
</html>

Vorschau Download Kopie speichern