Форум программистов, компьютерный форум CyberForum.ru

Перцептрон на objective c - Objective-C

Восстановить пароль Регистрация
 
Eugenelife
0 / 0 / 0
Регистрация: 12.11.2012
Сообщений: 9
10.11.2014, 23:39     Перцептрон на objective c #1
Добрый день! Я пытаюсь реализовать перцептрон на обжектив-С. Но столкнулся с проблеммой, когда через какое-то число эпох выход сети уходит в 1 или -1, а через эпоху 1-2 после этого все веса становятся NaN. Алгоритм вроде проверил ошибки не нашел, может кто-то увидит. Главный метод это learn
код
Neuron.h
Objective-C
1
2
3
4
5
6
7
#import <Foundation/Foundation.h>
 
@interface Neuron : NSObject <NSCoding>
@property (nonatomic) double output;
@property (strong,nonatomic) NSMutableArray *weights;
@property (nonatomic) double propagation;
@end
Web.h
Objective-C
1
2
3
4
5
6
7
8
9
10
#import <Foundation/Foundation.h>
#import "Neuron.h"
@interface Web : NSObject
@property (strong,nonatomic) NSMutableArray *arrayOfLayers;
-(void)setupWebWithNumberOfNeutrons:(NSInteger)number inputArray:(NSArray*)input;
-(void)addToLearningData:(NSArray *)array;
-(void)saveLearningArrayWithPath:(NSString *)path;
-(void)learn;
-(void)setupWeb;
@end
Similar
Эксперт
41792 / 34177 / 6122
Регистрация: 12.04.2006
Сообщений: 57,940
10.11.2014, 23:39     Перцептрон на objective c
Посмотрите здесь:

Objective-C Переход на Objective-C
Objective-C Консультации по objective-c
Objective-C Перевод в Objective C
SystemWait в Objective C Objective-C
Наследование в Objective C Objective-C
Objective-C Строки в Objective-C
Objective-C Полиморфизм в Objective-C
Скачать Objective-C Objective-C
Objective-C Референция в Objective-C
Objective-C Objective-C и разработка
Литература C++ и Objective-C Objective-C
Objective-C Objective-C A to Z Started

Искать еще темы с ответами

Или воспользуйтесь поиском по форуму:
После регистрации реклама в сообщениях будет скрыта и будут доступны все возможности форума.
Eugenelife
0 / 0 / 0
Регистрация: 12.11.2012
Сообщений: 9
10.11.2014, 23:39  [ТС]     Перцептрон на objective c #2
Web.m
Objective-C
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
#import "Web.h"
#import "Neuron.h"
 
@interface Web() <NSCoding>
 
@property (nonatomic) NSInteger numberOfHiddenLayerNeutrons;
@property (nonatomic) double output;
@property (nonatomic) float propagation;
@property (nonatomic) double answer;
@property (strong,nonatomic) NSMutableArray *learningArray;
@property (strong,nonatomic) NSMutableArray *learningData;
 
@property (strong,nonatomic) NSMutableArray *epocheLearningArrays;
@property (strong,nonatomic) NSMutableArray *epocheTestingArrays;
@end
 
const NSInteger kNumberOfHiddenNeurons = 20;
const NSInteger kNumberOfEpocheLearningArray = 70;
const NSInteger kMaxEpocheCount = 100;
@implementation Web
 
 
#pragma mark - Properties
 
 
-(NSMutableArray *)learningArray
{
    if (!_learningArray) {
        _learningArray = [[NSMutableArray alloc] init];
    }
    return _learningArray;
}
-(NSMutableArray *)learningData {
    if (!_learningData) {
            _learningData = [NSMutableArray array];
    }
    return _learningData;
}
-(NSMutableArray *)epocheLearningArrays {
    if (!_epocheLearningArrays) {
        _epocheLearningArrays = [NSMutableArray array];
    }
    return _epocheLearningArrays;
}
-(NSMutableArray *)epocheTestingArrays {
    if (!_epocheTestingArrays) {
        _epocheTestingArrays = [NSMutableArray array];
    }
    return _epocheTestingArrays;
}
 
-(NSMutableArray *)arrayOfLayers
{
    if (!_arrayOfLayers) {
        _arrayOfLayers = [[NSMutableArray alloc] init];
    }
    return _arrayOfLayers;
}
 
 
-(void)addToLearningData:(NSArray *)array
{
    [self.learningData addObject:array];
    [self saveLearningDataWithPath:nil];
}
#pragma mark - Setup
-(void)setupWeb {
    NSMutableArray *arrayOfInputNeurons = [[NSMutableArray alloc] init];
    for (int i=0; i < 100; i++) {
        Neuron *neuron = [[Neuron alloc] init];
        [arrayOfInputNeurons addObject:neuron];
    }
    [self.arrayOfLayers addObject:arrayOfInputNeurons];
    NSMutableArray *arrayOfFirstHiddenLayerNeurons = [[NSMutableArray alloc] init];
    for (int i=0; i < kNumberOfHiddenNeurons; i++) {
        Neuron *neuron = [[Neuron alloc] init];
        [arrayOfFirstHiddenLayerNeurons addObject:neuron];
    }
    [self.arrayOfLayers addObject:arrayOfFirstHiddenLayerNeurons];
    NSMutableArray *arrayOfSeconHiddenLayerNeurons = [[NSMutableArray alloc] init];
    Neuron *outputNeuron = [[Neuron alloc] init];
    [arrayOfSeconHiddenLayerNeurons addObject:outputNeuron];
    [self.arrayOfLayers addObject:arrayOfSeconHiddenLayerNeurons];
    [self setRandomWeights];
}
-(void)setupWebWithNumberOfNeutrons:(NSInteger)number inputArray:(NSArray*)input
{
    self.output = 1;
    NSMutableArray *arrayOfInputNeurons = [[NSMutableArray alloc] init];
    for (NSNumber *state in input) {
        Neuron *neuron = [[Neuron alloc] init];
        neuron.output = state.intValue;
        [arrayOfInputNeurons addObject:neuron];
    }
    [self.arrayOfLayers addObject:arrayOfInputNeurons];
    NSMutableArray *arrayOfFirstHiddenLayerNeurons = [[NSMutableArray alloc] init];
    for (int i=0; i < number; i++) {
        Neuron *neuron = [[Neuron alloc] init];
        [arrayOfFirstHiddenLayerNeurons addObject:neuron];
    }
    [self.arrayOfLayers addObject:arrayOfFirstHiddenLayerNeurons];
    NSMutableArray *arrayOfSeconHiddenLayerNeurons = [[NSMutableArray alloc] init];
    Neuron *outputNeuron = [[Neuron alloc] init];
    [arrayOfSeconHiddenLayerNeurons addObject:outputNeuron];
    [self.arrayOfLayers addObject:arrayOfSeconHiddenLayerNeurons];
    if (!self.propagation) {
        [self setRandomWeights];
    }
    [self forwardPass];
    Neuron *neuron = (Neuron *)self.arrayOfLayers[2][0];
    self.answer = -1;
    [self calculatePropagation:neuron];
    [self backPass];
    [self resetWeights];
}
-(void)setRandomWeights
{
    for (NSInteger i=0; i<[self.arrayOfLayers count]-1; i++) {
        for (Neuron *neuron in self.arrayOfLayers[i]) {
            NSMutableArray *weights = [NSMutableArray array];
            for (NSInteger j=0; j<[self.arrayOfLayers[i+1] count]; j++) {
                float number = (((float) rand() / RAND_MAX) * 1) -0.5;
                if (number == 0.00 ) {
                    number = 0.2;
                }
                [weights addObject:@(floorf(number*100)/100)];
            }
            neuron.weights = weights;
        }
    }
}
 
-(void)setInputLayer {
    for (int i=0; i<100; i++) {
        Neuron *neuron = self.arrayOfLayers[0][i];
        NSNumber *output = self.learningArray[i];
        neuron.output = output.doubleValue;
    }
}
#pragma mark - Algorythm
 
 
 
-(void)learn {
    double currentAnswer;
    NSMutableArray *shuffledData = [self.learningData mutableCopy];
    [self shuffleArray:shuffledData];
    [self setRandomWeights];
    int countOfLearningArray = (int) (0.7*[self.learningData count]);
    for (int k=0; k<countOfLearningArray; k++) {
        [self.epocheLearningArrays addObject:[shuffledData objectAtIndex:k]];
    }
    for (int k=countOfLearningArray; k<[shuffledData count]; k++) {
        [self.epocheTestingArrays addObject:[shuffledData objectAtIndex:k]];
    }
    NSNumber *learningPropagation=@(-100);
    NSNumber *testPropagation=@(100);
    NSInteger epocheCount=0;
    while (fabs(learningPropagation.doubleValue-testPropagation.doubleValue)>0.001 && epocheCount<kMaxEpocheCount) {
        learningPropagation = @0;
        for (NSArray *learningArray in self.epocheLearningArrays) {
            self.learningArray = [learningArray mutableCopy];
            NSNumber *lastObject = [learningArray lastObject];
            currentAnswer = lastObject.doubleValue;
            [self.learningArray removeLastObject];
            self.answer = currentAnswer;
            [self setInputLayer];
            [self forwardPass];
            [self calculatePropagation:self.arrayOfLayers[2][0]];
            if (fabs(self.output-self.answer)>0.0001) {
                [self backPass];
                [self resetWeights];
            }
            learningPropagation = @(learningPropagation.doubleValue + self.propagation);
        }
        learningPropagation = @(learningPropagation.doubleValue/[self.epocheLearningArrays count]);
        testPropagation = @0;
        for (NSArray *testArray in self.epocheTestingArrays) {
            self.learningArray = [testArray mutableCopy];
            NSNumber *lastObject = [testArray lastObject];
            currentAnswer = lastObject.doubleValue;
            [self.learningArray removeLastObject];
            self.answer = currentAnswer;
            [self setInputLayer];
            [self forwardPass];
            [self calculatePropagation:self.arrayOfLayers[2][0]];
            testPropagation = @(testPropagation.doubleValue + self.propagation);
        }
        testPropagation = @(testPropagation.doubleValue/[self.epocheTestingArrays count]);
        epocheCount++;
    }
}
-(void)calculatePropagation:(Neuron *)neuron
{
    self.propagation= 0.5*pow((neuron.output - self.answer), 2);
}
#define alpha 1
-(void)forwardPass
{
    for (int i=0; i<[self.arrayOfLayers count]-1; i++) {
        for (int j=0; j<[self.arrayOfLayers[i+1] count]; j++) {
            double sum=0;
            for (int z=0; z<[self.arrayOfLayers[i] count]; z++) {
                Neuron *neuron = (Neuron *)self.arrayOfLayers[i][z];
                sum+=[(NSNumber *)neuron.weights[j] doubleValue]*neuron.output;
            }
            Neuron *neuron = (Neuron *)self.arrayOfLayers[i+1][j];
            neuron.output = tanh(alpha*sum);
        }
    }
    Neuron *outputNeuron = self.arrayOfLayers[2][0];
    self.output = outputNeuron.output;
}
-(void)backPass
{
    for (NSInteger i=[self.arrayOfLayers count]-1; i>=0; i--) {
        for (int j=0; j<[self.arrayOfLayers[i] count]; j++) {
            double temp=0;
            if (i==[self.arrayOfLayers count]-1) {
                Neuron *neuron = (Neuron *)self.arrayOfLayers[i][j];
                temp = neuron.output-self.answer;
                neuron.propagation = temp;
            } else {
                for (int z=0; z<[self.arrayOfLayers[i+1] count]; z++) {
                    Neuron *neuron1 = (Neuron *)self.arrayOfLayers[i+1][z];
                    Neuron *neuron2 = (Neuron *)self.arrayOfLayers[i][j];
                    temp += neuron1.propagation * [(NSNumber *)neuron2.weights[z] doubleValue];
                }
                Neuron *neuron = (Neuron *)self.arrayOfLayers[i][j];
                neuron.propagation = temp;
            }
        }
    }
}
#define gamma 0.5
-(void)resetWeights
{
    for (int i=0; i<[self.arrayOfLayers count]-1; i++) {
        for (int j=0; j<[self.arrayOfLayers[i] count]; j++) {
            Neuron *neuron = (Neuron *)self.arrayOfLayers[i][j];
            for (int z=0; z<[self.arrayOfLayers[i+1] count]; z++) {
                neuron.weights[z] = @([(NSNumber *)neuron.weights[z] doubleValue]- gamma * neuron.propagation * neuron.output);
            }
        }
    }
}
 
-(void)shuffleArray:(NSMutableArray *)array {
    NSUInteger count = [array count];
    for (NSUInteger i = 0; i < count; ++i) {
        NSInteger remainingCount = count - i;
        NSInteger exchangeIndex = i + arc4random_uniform((u_int32_t )remainingCount);
        [array exchangeObjectAtIndex:i withObjectAtIndex:exchangeIndex];
    }
}
@end
noname_club
 Аватар для noname_club
102 / 90 / 9
Регистрация: 01.05.2013
Сообщений: 575
11.11.2014, 00:14     Перцептрон на objective c #3
на С++ проще будет не?
Eugenelife
0 / 0 / 0
Регистрация: 12.11.2012
Сообщений: 9
11.11.2014, 12:38  [ТС]     Перцептрон на objective c #4
было бы проще, но не думаю, что проблема в языке программирования.
Yandex
Объявления
11.11.2014, 12:38     Перцептрон на objective c
Ответ Создать тему
Опции темы

Текущее время: 17:24. Часовой пояс GMT +3.
КиберФорум - форум программистов, компьютерный форум, программирование
Powered by vBulletin® Version 3.8.9
Copyright ©2000 - 2017, vBulletin Solutions, Inc.
Рейтинг@Mail.ru