LAVIU神经网络引擎最初版 用最简单的方法编写神经网络

南渺渺 2011-10-27 07:06:16
这个程序的版本号是0.1 、、就是可以说是半成品,但是基础
模块已经齐全了,可以构建神经网络了。提供了输入输出的简
陋接口。目测要增加编程的时候可以用命令调用其它模本,就
可以搞模块化的神经网络了。比如大家下载好视觉分析的模块,
然后调用就好了。。。
但是呢,我只是一个高三的学生,学习压力异常的大。所以呢,
更新和改进也许不会很快。一直在想、、如果能被保送就好了,
就可以尽快投入到自己喜欢的研究中去,不需要和化学语文掐架
去了。。。哎、、只是幻想而已。
作者
北京市第五中学
苗忆南
qq:1131042645
---------------------------------------
这是一个神经网络引擎。可以帮你构建一个神经网络。
神经元
每个神经元都有以下参数:
名称;还原力度;标准阀;阀;状态;传出参数;传入参数;输出值
其中
名称;标准阀值;传出参数;传入参数;还原力度;输出值
是可以设定的。阀值初始会和标准阀值相同,初始状态为0。
有两个常数参数-阀参数和层参数
阀值向标准阀会随时间靠近
阀值= 标准阀值+(阀值-标准阀值)*(1-(当前时间-上次兴奋时间))*还原力度));
当神经元A使神经元B兴奋时,B的状态将自加 A的传出参数 * B的输入参数 * 阀参数
如果神经元的状态大于当前阀值,则会兴奋。状态会清0。

层是神经元的**,每个神经元只能属于一个层。
当连接后,A层与B层中同时阀值大于标准阀值*层参数的一对神经元将会按照层方向连接
如果A的层连接B的层,A与B连接后,A会导致B兴奋。
编写
语法非常严格,每三行为一句
第一行为函数类 如neuron
第二行为 函数名 如connect
第三行为参数 如 1 2
一句话的结构如下
neuron
connect
1 2
就可以成功将1,2神经元连接。具体函数请查看函数库文件。
请将程序写到program.txt文件中。
请自己编写程序向input.in里面输入信息,不要用手往里面打字、、
文件
excitingneurons.ai
系统文件,勿动。
output.ai
输出信息将存放在这里
input.in
输入信息输入到这里
program.txt
程序编写区
data.txt
程序运行记录在这里
clear****.exe
清空文件的系列程序
LAVIU.exe
引擎主体


end - 写在最后结束编译
neuron - 神经元类函数
create - 神经元创造函数
longlongint double double double double int
名称 标准阀值 传出参数 传入参数 还原力度 输出值
名称 - 神经元的名字 一个加长型整数,数字大小与程序效率无关。
标准阀值 - 神经元的标准阀值,当神经元的状态大于阀值时就会兴奋。
传出参数、输入参数 - 当A使B兴奋时,B的状态将自加A的传出参数*B的输入参数*阀参数
还原力度 - 神经元的阀值随时间向标准阀值的力度。
公式为每次兴奋时
阀值= 标准阀值+(阀值-标准阀值)*(1-(当前时间-上次兴奋时间))*还原力度));
输出值 - 当神经兴奋时,将会将输出值输出到output.ai文件中。附带回车。
setput - 神经元输入连接函数
longlongint longlongint
神经元名称 激活命令
激活命令 - 当input.in文件中被输入你设定的数字时,就会刺激该神经元。

connect - 神经元连接函数
longlongint longlongint
A神经元名称 B神经元名称
A神经元的轴突将与B神经元的树突连接
addtolayer - 神经元添加到层
longlongint longlongint
神经元名称 层名称
神经元将被添加到层
layer - 层类函数
create - 创造一个层
longlongint
层的名称

connect - 连接层
longlongint longlongint
A层的名称 B层的名称
当连接后,A层与B层中同时阀值大于标准阀值*层参数的神经元将会按照层方向连接

define - 定义类
learnk - 层参数
double
层参数-决定神经连接能力的参数

doork - 阀参数
double
阀参数 - 当A使B兴奋时,B的状态将自加A的传出参数*B的输入参数*阀参数



-----------------
下载地址
http://download.csdn.net/detail/anying0/3726287
...全文
119 6 打赏 收藏 转发到动态 举报
AI 作业
写回复
用AI写文章
6 条回复
切换为时间正序
请发表友善的回复…
发表回复
南渺渺 2011-10-28
  • 打赏
  • 举报
回复
没人啊、、
南渺渺 2011-10-28
  • 打赏
  • 举报
回复
不好意思发错了
http://download.csdn.net/detail/anying0/3729953
南渺渺 2011-10-28
  • 打赏
  • 举报
回复
修订了一下
http://download.csdn.net/detail/anying0/3729886
南渺渺 2011-10-28
  • 打赏
  • 举报
回复
[Quote=引用 3 楼 abc20002929 的回复:]
matlab有此类工具箱
[/Quote]
并不一样,他那个是BP矩阵的神经网络吧
我这个是拓扑结构的、、
abc20002929 2011-10-28
  • 打赏
  • 举报
回复
matlab有此类工具箱
标题SpringBoot智能在线预约挂号系统研究AI更换标题第1章引言介绍智能在线预约挂号系统的研究背景、意义、国内外研究现状及论文创新点。1.1研究背景与意义阐述智能在线预约挂号系统对提升医疗服务效率的重要性。1.2国内外研究现状分析国内外智能在线预约挂号系统的研究与应用情况。1.3研究方法及创新点概述本文采用的技术路线、研究方法及主要创新点。第2章相关理论总结智能在线预约挂号系统相关理论,包括系统架构、开发技术等。2.1系统架构设计理论介绍系统架构设计的基本原则和常用方法。2.2SpringBoot开发框架理论阐述SpringBoot框架的特点、优势及其在系统开发中的应用。2.3数据库设计与管理理论介绍数据库设计原则、数据模型及数据库管理系统。2.4网络安全与数据保护理论讨论网络安全威胁、数据保护技术及其在系统中的应用。第3章SpringBoot智能在线预约挂号系统设计详细介绍系统的设计方案,包括功能模块划分、数据库设计等。3.1系统功能模块设计划分系统功能模块,如用户管理、挂号管理、医生排班等。3.2数据库设计与实现设计数据库表结构,确定字段类型、主键及外键关系。3.3用户界面设计设计用户友好的界面,提升用户体验。3.4系统安全设计阐述系统安全策略,包括用户认证、数据加密等。第4章系统实现与测试介绍系统的实现过程,包括编码、测试及优化等。4.1系统编码实现采用SpringBoot框架进行系统编码实现。4.2系统测试方法介绍系统测试的方法、步骤及测试用例设计。4.3系统性能测试与分析对系统进行性能测试,分析测试结果并提出优化建议。4.4系统优化与改进根据测试结果对系统进行优化和改进,提升系统性能。第5章研究结果呈现系统实现后的效果,包括功能实现、性能提升等。5.1系统功能实现效果展示系统各功能模块的实现效果,如挂号成功界面等。5.2系统性能提升效果对比优化前后的系统性能
在金融行业中,对信用风险的判断是核心环节之一,其结果对机构的信贷政策和风险控制策略有直接影响。本文将围绕如何借助机器学习方法,尤其是Sklearn工具包,建立用于判断信用状况的预测系统。文中将涵盖逻辑回归、支持向量机等常见方法,并通过实际操作流程进行说明。 一、机器学习基本概念 机器学习属于人工智能的子领域,其基本理念是通过数据自动学习规律,而非依赖人工设定规则。在信贷分析中,该技术可用于挖掘历史数据中的潜在规律,进而对未来的信用表现进行预测。 二、Sklearn工具包概述 Sklearn(Scikit-learn)是Python语言中广泛使用的机器学习模块,提供多种数据处理和建模功能。它简化了数据清洗、特征提取、模型构建、验证与优化等流程,是数据科学项目中的常用工具。 三、逻辑回归模型 逻辑回归是一种常用于分类任务的线性模型,特别适用于二类问题。在信用评估中,该模型可用于判断借款人是否可能违约。其通过逻辑函数将输出映射为0到1之间的概率值,从而表示违约的可能性。 四、支持向量机模型 支持向量机是一种用于监督学习的算法,适用于数据维度高、样本量小的情况。在信用分析中,该方法能够通过寻找最佳分割面,区分违约与非违约客户。通过选用不同核函数,可应对复杂的非线性关系,提升预测精度。 五、数据预处理步骤 在建模前,需对原始数据进行清理与转换,包括处理缺失值、识别异常点、标准化数值、筛选有效特征等。对于信用评分,常见的输入变量包括收入水平、负债比例、信用历史记录、职业稳定性等。预处理有助于减少噪声干扰,增强模型的适应性。 六、模型构建与验证 借助Sklearn,可以将数据集划分为训练集和测试集,并通过交叉验证调整参数以提升模型性能。常用评估指标包括准确率、召回率、F1值以及AUC-ROC曲线。在处理不平衡数据时,更应关注模型的召回率与特异性。 七、集成学习方法 为提升模型预测能力,可采用集成策略,如结合多个模型的预测结果。这有助于降低单一模型的偏差与方差,增强整体预测的稳定性与准确性。 综上,基于机器学习的信用评估系统可通过Sklearn中的多种算法,结合合理的数据处理与模型优化,实现对借款人信用状况的精准判断。在实际应用中,需持续调整模型以适应市场变化,保障预测结果的长期有效性。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!

65,198

社区成员

发帖
与我相关
我的任务
社区描述
C++ 语言相关问题讨论,技术干货分享,前沿动态等
c++ 技术论坛(原bbs)
社区管理员
  • C++ 语言社区
  • encoderlee
  • paschen
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
  1. 请不要发布与C++技术无关的贴子
  2. 请不要发布与技术无关的招聘、广告的帖子
  3. 请尽可能的描述清楚你的问题,如果涉及到代码请尽可能的格式化一下

试试用AI创作助手写篇文章吧