tinn

TINN（微小的神经网络）是C99中编写的200条依赖性神经网络库。

有关如何学习手写数字的演示，请获取一些培训数据：

 wget http://archive.ics.uci.edu/ml/machine-learning-databases/semeion/semeion.data

make; ./test

培训数据包括缓慢而迅速地书写的手写数字。数据集中的每一行都对应于一个手写数字。每个数字的大小为16x16像素，为神经网络提供256个输入。

在第10行的末尾，数字表示手写数字：

 0: 1 0 0 0 0 0 0 0 0 0
1: 0 1 0 0 0 0 0 0 0 0
2: 0 0 1 0 0 0 0 0 0 0
3: 0 0 0 1 0 0 0 0 0 0
4: 0 0 0 0 1 0 0 0 0 0
...
9: 0 0 0 0 0 0 0 0 0 1

这为神经网络提供了10个输出。测试程序将输出每个数字的精度。对于正确的数字，预期超过99％的精度，而其他数字的精度为0.1％。

特征

• 便携式 - 在存在C99或C ++ 98编译器的情况下运行。

• 乙状结肠激活。

• 一个隐藏的层。

尖端

• TINN永远不会比C标准库更多。

• TINN非常适合嵌入式系统。在功能强大的台式机上训练模型，然后将其加载到微控制器上，并将模拟使用对数字转换器进行模拟来预测实时事件。

• TINN源代码始终小于200行。 TINN标头外的功能受到外部锡的XT名称空间的保护。

• 锡可以很容易地用一些独创性进行多线程，但主分支将保持单线螺纹以帮助开发嵌入式系统。

• TINN不会播种随机数生成器。不要忘记自己。

• 始终将输入数据供电。每次训练迭代后再次洗牌。

• 通过退火来获得更高的培训准确性。例如，将学习率乘以0.99每个培训迭代。这将使一个良好的学习最小值零。

免责声明

锡是极简主义的做法。

TINN不是像Kann或Genann这样的完全特色的神经网络C库：

 https://github.com/attractivechaos/kann

https://github.com/codeplea/genann

端口

 Rust: https://github.com/dvdplm/rustinn

其他

使用TINN NN和CTYPES的教程

200行代码中的微小神经网络库