genann

Genann

Genann是一個最小，經過良好測試的文庫，用於培訓，並在C中使用前饋性人工神經網絡（ANN）。其主要重點是簡單，快速，可靠和可黑客。它通過僅提供必要的功能和幾乎沒有額外的功能來實現這一目標。

特徵

• C99沒有依賴關係。
• 包含在單個源代碼和標頭文件中。
• 簡單的。
• 快速和線程安全。
• 容易擴展。
• 實施反向傳播培訓。
• 與替代訓練方法兼容（經典優化，遺傳算法等）
• 包括示例和測試套件。
• 根據ZLIB許可證發布 - 幾乎免費使用。

建築

Genann在兩個文件中是獨立的： genann.c和genann.h 。要使用Genann，只需將這兩個文件添加到您的項目中。

示例代碼

源代碼包含四個示例程序。

• example1.c使用反向傳播在XOR函數上訓練ANN。
• example2.c使用隨機搜索在XOR函數上訓練ANN。
• example3.c加載並從文件中運行ANN。
• example4.c使用反向傳播在虹膜數據集上訓練ANN。

快速示例

我們創建一個ANN取2個輸入，其中1層由3個隱藏的神經元，並提供2個輸出。它具有以下結構：

然後，我們使用反向傳播對一組標記的數據進行訓練，並要求它在測試數據點上進行預測：

 #include "genann.h"

/* Not shown, loading your training and test data. */
double * * training_data_input , * * training_data_output , * * test_data_input ;

/* New network with 2 inputs,
 * 1 hidden layer of 3 neurons each,
 * and 2 outputs. */
genann * ann = genann_init ( 2 , 1 , 3 , 2 );

/* Learn on the training set. */
for ( i = 0 ; i < 300 ; ++ i ) {
    for ( j = 0 ; j < 100 ; ++ j )
        genann_train ( ann , training_data_input [ j ], training_data_output [ j ], 0.1 );
}

/* Run the network and see what it predicts. */
double const * prediction = genann_run ( ann , test_data_input [ 0 ]);
printf ( "Output for the first test data point is: %f, %fn" , prediction [ 0 ], prediction [ 1 ]);

genann_free ( ann );

此示例是顯示API使用情況，它沒有顯示出良好的機器學習技術。在真實的應用程序中，您可能想以隨機順序學習測試數據。您還需要監視學習以防止過度擬合。

用法

創建和釋放ANN

 genann * genann_init ( int inputs , int hidden_layers , int hidden , int outputs );
genann * genann_copy ( genann const * ann );
void genann_free ( genann * ann );

創建一個新的ANN是使用genann_init()函數完成的。它的參數是輸入的數量，隱藏層的數量，每個隱藏層中的神經元數以及輸出數。它返回genann結構指針。

呼叫genann_copy()將創建現有genann結構的深層拷貝。

當您使用GenAnn_Init genann_free() genann_init() 。

訓練安

 void genann_train ( genann const * ann , double const * inputs ,
        double const * desired_outputs , double learning_rate );

genann_train()將使用標準反向物質預定一個更新。應該通過傳遞一系列輸入，一系列預期輸出和學習率來調用它。請參閱示例1.c ，以獲取重新推廣的學習示例。

Genann的主要設計目標是將所有網絡權重存儲在一個雜物的一個記憶塊中。這使得使用直接搜索數字優化的Algorthims（例如爬山，遺傳算法，模擬退火等）訓練網絡權重變得容易，有效。可以通過直接搜索ANN的權重來使用這些方法。每個genann結構都包含成員int total_weights;和double *weight; 。 *weight重點是一個total_weights大小的數組，其中包含ANN使用的所有權重。有關使用隨機爬山搜索訓練的示例，請參見emess2.c 。

保存和加載ANN

 genann * genann_read ( FILE * in );
void genann_write ( genann const * ann , FILE * out );

GenAnn提供genann_read()和genann_write()功能，用於以基於文本的格式加載或保存ANN。

評估

 double const * genann_run ( genann const * ann , double const * inputs );

在訓練有素的ANN上致電genann_run()在給定的一組輸入上運行饋電通票。 genann_run()將提供指向預測輸出數組（ ann->outputs長度）的指針。

提示

• 所有功能均以genann_開頭。
• 代碼很簡單。挖掘並改變事物。

額外的資源

Comp.AI.Neur-Nets常見問題解答是人工神經網絡介紹的絕佳資源。

如果您需要一個較小的神經網絡庫，請查看出色的單隱藏庫圖書館TINN。

如果您正在尋找C中較重，更有意義的神經網絡庫，我建議您使用範例庫。另一個不錯的圖書館是彼得·範·羅斯姆（Peter Van Rossum）的輕量級神經網絡，儘管它的名稱，但它比Genann更重，並且具有更多功能。