Форум программистов, компьютерный форум, киберфорум
C# .NET
Войти
Регистрация
Восстановить пароль
 
Рейтинг 4.69/13: Рейтинг темы: голосов - 13, средняя оценка - 4.69
9 / 9 / 0
Регистрация: 22.11.2011
Сообщений: 14
1

Не работает процедура обучения нейронной сети

21.12.2012, 14:18. Просмотров 2461. Ответов 2
Метки нет (Все метки)


Здравствуйте! Я написал свой класс нейронной сети, но обучение по алгоритму обратного распространения ошибки почему то не работает, если кто разбирается в нейронных сетях помогите пожалуйста!
Заранее благодарен
P.S. Сам класс во вложении

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
using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using System.Diagnostics;
using System.IO;
using System.Runtime.Serialization.Formatters.Binary;
 
namespace MyANN_Lybrary_Test
{
    [Serializable()]
    public class NNetwork
    {
        [Serializable()]
        public class Neuron
        {
            public double[] Inputs;
            public double Output;
            public double Error;
        }
        [Serializable()]
        public class Layer
        {
            public List<Neuron> Neurons;
            public double[][] Weights;
            public double[][] deltaW;
            public Layer(int NeuronsCount)
            {
                Weights = new double[NeuronsCount][];
                deltaW = new double[NeuronsCount][];
                Neurons = new List<Neuron>();
                for (int i = 0; i <= NeuronsCount - 1; i++)
                {
                    Neurons.Add(new Neuron());
                }
 
            }
        }
 
        Random random = new Random();
        public double LearningRate =20;
        public double Alpha = 0.5;
        public double MSE;
        public List<Layer> layers;
        public int ActivationFunction = 1;//1 - Tanh(x); 2 - 1/(1+Exp(x)); 3 - линейная
        double CurError = 0;
 
        public double GetCurrentError()
        {
            return CurError;
        }
        public void RandomizeWeights(double min, double max)
        {
            foreach (Layer l in layers)
            {
                for (int i = 0; i <= l.Weights.Length - 1; i++)
                {
                    for (int p = 0; p <= l.Weights[i].Length - 1; p++)
 
                        l.Weights[i][p] = min + (random.NextDouble() * (max - min));
                }
            }
        }
        public void PrintWeights()
        {
            foreach (var l in layers)
            {
                foreach (var n in l.Weights)
                {
                    foreach (var w in n)
                    {
                        Console.WriteLine("Weight = " + w);
                    }
                }
            }
        }
        public double GetOut(double x)
        {
            //double a = 1/(1+Math.Exp(Alpha*x));
            switch (ActivationFunction)
            {
                case 1:
                    double a = Math.Tanh(x);
                    //if (x < -45.0) { return 0.0; }
                    //else if (x > 45.0) { return 1.0; }
                    return a;
                    break;
 
                case 2:
                    double b = 1 / (1 + Math.Exp(-x)); ;
                    if (x < -45.0) { return 0.0; }
                    else if (x > 45.0) { return 1.0; }
                    else { return b; }
 
                    break;
 
                case 3:
                    if (x < 0) { return 0.0; }
                    else if (x > 0) { return 1.0; }
                    break;
 
                default:
 
                    throw new Exception("Не правильная активационная функция");
                    return 0;
                    break;
            }
            return 0;
        }
        public double[] Run(double[] input)
        {
            double[] output = new double[layers[layers.Count - 1].Neurons.Count];
            for (int i = 0; i <= layers[0].Neurons.Count - 1; i++)
            {
                layers[0].Neurons[i].Inputs = input;
                double total = 0;
                for (int j = 0; j <= input.Length - 1; j++)
                {
                    total += layers[0].Weights[i][j] * input[j];
                }
                layers[0].Neurons[i].Output = GetOut(total);
                //Console.WriteLine("Layer: 0 Neuron: " + i + " Output: " + layers[0].Neurons[i].Output);
            }
            for (int l = 1; l <= layers.Count - 1; l++)
            {
                for (int i = 0; i <= layers[l].Neurons.Count - 1; i++)
                {
                    double total = 0;
                    for (int j = 0; j <= layers[l - 1].Neurons.Count - 1; j++)
                    {
                        total += layers[l - 1].Neurons[j].Output * layers[l].Weights[i][j];
                    }
                    layers[l].Neurons[i].Output = GetOut(total);
                    //Console.WriteLine("Layer: " +l+ " Neuron: " + i + " Output: " + layers[l].Neurons[i].Output);
                }
            }
            for (int i = 0; i <= layers[layers.Count - 1].Neurons.Count - 1; i++)
                output[i] = layers[layers.Count - 1].Neurons[i].Output;
            return output;
        }
        public double GetMSE(double[][] input, double[][] t)
        {
            MSE = 0;
            double a = 0;
            for (int i = 0; i <= input.Length - 1; i++)
            {
                double[] o = Run(input[i]);
                for (int k = 0; k <= o.Length - 1; k++)
                {
                    a += (t[i][k] - o[k]) * (t[i][k] - o[k]);
                }
                a /= 2;
                MSE += a;
            }
            MSE /= a;
            return Math.Sqrt(MSE);
        }
        public void Train(double[] input, double[] t)
        {
            CurError = 0;
            double[] o = Run(input);
            for (int k = 0; k <= o.Length - 1; k++)
            {
                layers[layers.Count - 1].Neurons[k].Error = o[k] * (1 - o[k]) * (t[k] - o[k]);
                Console.WriteLine("Last layer error:" + layers[layers.Count - 1].Neurons[k].Error);
                CurError += (t[k] - o[k]) * (t[k] - o[k]);
            }
            CurError /= 2;
 
            for (int l = layers.Count - 2; l >= 0; l--)
            {
                for (int j = 0; j <= layers[l].Neurons.Count - 1; j++)
                {
                    double total = 0;
                    for (int k = 0; k <= layers[l + 1].Neurons.Count - 1; k++)
                    {
                        total += layers[l + 1].Neurons[k].Error * layers[l + 1].Weights[k][j];
                    }
                    Console.WriteLine("Layer " + l + " Neuron " + j + " ChangedError= " + total);
                    layers[l].Neurons[j].Error = total;
                }
            }
            foreach (Layer l in layers)
            {
                for (int i = 0; i <= l.Weights.Length - 1; i++)
                {
                    for (int p = 0; p <= l.Weights[i].Length - 1; p++)
                    {
                        l.deltaW[i][p] = Alpha * l.deltaW[i][p] + (1 - Alpha) * LearningRate * l.Neurons[i].Error * l.Neurons[i].Output;
                        l.Weights[i][p] += l.deltaW[i][p];
                    }
                }
            }
            //Console.WriteLine("====================================");
 
        }
        public void Save(string FileName)
        {
            Stream FileStream = File.Create(FileName);
            BinaryFormatter serializer = new BinaryFormatter();
            serializer.Serialize(FileStream, this);
            FileStream.Close();
        }
        public NNetwork(int[] lrs, int inputs)
        {
            layers = new List<Layer>();
            for (int i = 0; i <= lrs.Length - 1; i++)
            {
                layers.Add(new Layer(lrs[i]));
                if (i >= 1)
                {
                    for (int k = 0; k <= layers[i].Neurons.Count - 1; k++)
                    {
                        layers[i].Weights[k] = new double[lrs[i - 1]];
                        layers[i].deltaW[k] = new double[lrs[i - 1]];
                    }
                }
                else
                {
                    for (int k = 0; k <= layers[i].Neurons.Count - 1; k++)
                    {
                        layers[i].Weights[k] = new double[inputs];
                        layers[i].deltaW[k] = new double[inputs];
                    }
                }
            }
        }
 
    }
}
0
Вложения
Тип файла: txt class.txt (8.0 Кб, 16 просмотров)
Programming
Эксперт
94731 / 64177 / 26122
Регистрация: 12.04.2006
Сообщений: 116,782
21.12.2012, 14:18
Ответы с готовыми решениями:

Функция обучения нейронной сети
добрый день. «TRAIN вызывает функцию, которая задается NET.trainFcn, использующую параметры...

Проблемы обучения нейронной сети
Доброго времени суток. Использую рекуррентную нейронную сеть для разделения двух классов, возникла...

Алгоритмы оптимизации для обучения нейронной сети
Всем привет! Обращаюсь за помощью к людям, имеющим практический опыт программирования нейронных...

Библиотеки C# для создания и обучения нейронной сети
Доброго времени суток! Подскажите пожалуйста есть ли на C# нормальные библиотеки для написания и...

2
190 / 145 / 27
Регистрация: 02.05.2011
Сообщений: 467
21.12.2012, 15:32 2
Если вас не затруднит, выложите весь солюшн, или хотя бы часть, чтобы можно было запуститься под отладчиком. К тому же, пожалуйста, локализуйте проблему - укажите имена переменных и методов класса которые используются в процессе обучения. Было бы неплохо написать комментарии или хотя бы объяснить что к чему. Читать код, ла ещё в блокноте совсем не хочется. А так я бы мог помочь
0
9 / 9 / 0
Регистрация: 22.11.2011
Сообщений: 14
21.12.2012, 16:19  [ТС] 3
Вот весь проект, комментарии написал!
0
Вложения
Тип файла: rar MyANN_Lybrary_Test.rar (40.2 Кб, 97 просмотров)
IT_Exp
Эксперт
87844 / 49110 / 22898
Регистрация: 17.06.2006
Сообщений: 92,604
21.12.2012, 16:19

Заказываю контрольные, курсовые, дипломные и любые другие студенческие работы здесь или здесь.

Сегментация изображения для обучения нейронной сети
Здравствуйте. Я разрабатываю нейронную сеть для диагностики двигателя автомобиля по...

Выборка русских символов алфавита для обучения нейронной сети.
Ищу большую выборку! Срочно!

Как хранить веса связей многослойной нейронной сети после обучения?
Форумчане, здравствуйте! Подскажите пожалуйста как лучше хранить веса связей многослойной...

Обучение нейронной сети
Доброго времени суток, ув. форумчане! Даже не знаю, как объяснить. В общем есть, допустим, n...


Искать еще темы с ответами

Или воспользуйтесь поиском по форуму:
3
Ответ Создать тему
Опции темы

КиберФорум - форум программистов, компьютерный форум, программирование
Powered by vBulletin® Version 3.8.9
Copyright ©2000 - 2021, vBulletin Solutions, Inc.