开始
这份手册让你对2.93版本的使用有一个简明了解。
内容
- 什么是Neuroph?
- Neuroph有什么？
- 必要准备
- 安装并运行
- 用Neuroph Studio（以下简称Studio）训练神经网络
- 在Neuroph用Java代码创建神经网络
1. 什么是Neuroph?
Neuroph是用于神经网络开发的Java框架
2. Neuroph中有什么？
Neuroph由Java库和图形界面神经网络编辑器Studio组成。
你可以在Studio中对常见的神经网络架构进行实验，然后使用Neuroph Java库在Java程序中使用这些神经网络。
3. 必要准备
为了使用Neuroph，你只需要你的计算机上安装了Java VM 1.9，其他的都已经在下载的包中提供了。
4. 安装并运行
运行安装向导（windows系统 neurophstudio-windows.exe 或者 Linux系统 neurophstudio-linux.sh）并按步骤进行。Mac系统只需解压neurophstudio.zip包
5. 用Studio应用训练神经网络
现在我们将介绍如何使用Studio创建神经网络。训练神经网络有5个步骤，他们将用感知器神经网络（Perceptron Neural Network）的例子描述逻辑功能。
按照以下步骤用Studio创建和训练感知器神经网络：
- 创建一个Neuroph工程
- 创建Perceptron Network从主菜单选择 File > New > Neural Network > Perceptron）
- 创建训练集（从主菜单选择 File > New > Data Set）
- 训练网络
- 测试训练好的网络
第1步 创建一个Neuroph工程
从主菜单点击 File > New Project
然后从Neuroph project category选择Neuroph Project并点击Next
输入工程名和位置，然后点击Finish
现在工程创建完毕，下一步来创建神经网络
第2步 创建 Perceptron Network
在主菜单中点击 File > New File
从下拉菜单选择之前创建的工程，Neuroph类别，Neural Network文件类型，然后点击Next
输入网络名称，选择Perceptron Network类型，点击Next
在新的对话框中输入Input Num（2），Output Num（1）的神经元数量，选择Perceptron Learning并点击Finish按钮
这将会创建具有两个神经元输入，一个神经元输出拥有步进传递函数的感知器神经网络
第3步 创建训练集
在主菜单中点击 File >New File 打开训练集向导
选择Data Set文件类型，并点击 Next
输入训练集名称，如下图所示输入输出数量并点击Finish
然后创建训练集，键入输入输出层神经元的输入和输出期望值作为训练元素。用Add row按钮添加新元素，完成后点击OK按钮
第4步 训练这个网络。
开始训练流程，拖拽训练集到网络窗口相应的位置，工具栏‘Train’按钮会变为可用状态。点击‘Train’按钮打开Set Learning参数对话框
在Set Learning参数对话框用默认参数，直接点击Train按钮即可
当Total Net Error是零时，训练完成（由于这个例子非常简单，所以会非常快）
第5步
训练完成后，你可以通过选择训练集来测试整个训练集网络，点击Test按钮
这将会在一个新的Tab中打开测试结果窗口
要测试单个输入，用Set Input按钮。这将会打开 Set Network Input对话框，你可以键入网络的输入值，用空格分隔
网络测试结果如下图所示。网络学到了逻辑与功能，如我们所见，输出神经元值为0。测试这个网络，看看对于其他的值会是什么行为。
6. 用Java代码创建一个Neuroph的神经元网络
这是一个跟之前相同的例子，但是现在用的是Java代码。
以下是Neuroph如何创建、训练以及保存Perceptron Neural Network：
// create new perceptron network
NeuralNetwork neuralNetwork = new Perceptron(2, 1);
// create training set
DataSet trainingSet =
new DataSet(2, 1);
// add training data to training set (logical OR function)
trainingSet.addRow (new DataSetRow (new double[]{0, 0}, new double[]{0}));
trainingSet.addRow (new DataSetRow (new double[]{0, 1}, new double[]{1}));
trainingSet.addRow (new DataSetRow (new double[]{1, 0}, new double[]{1}));
trainingSet.addRow (new DataSetRow (new double[]{1, 1},
new double[]{1}));
// learn the training set
neuralNetwork.learn(trainingSet);
new double[]{1}));
// save the trained network into file
neuralNetwork.save(“or_perceptron.nnet”);
下边的了例子展示了如何使用已保存的网络：
// load the saved network
NeuralNetwork neuralNetwork =
NeuralNetwork.createFromFile(“or_perceptron.nnet”);
// set network input
neuralNetwork.setInput(1, 1);
// calculate network
neuralNetwork.calculate();
// get network output
double[] networkOutput = neuralNetwork.getOutput();
这个例子展示了Neuroph创建神经网络的基本用法。
为了能把这个用在你的项目中，你必须提供一个Neuroph库文件，neuroph-core-xx.jar和传统日志库slf4j（在libs目录），包括：
slf4j-api-1.7.5.jar
logback-core-1.1.2.jar
logback-classic-1.0.13.jar
在你的项目中（在NetBeans右键点击project，然后Properties > Libraries > Add JAR/Folder，选择jars文件）。你也必须导入正确的类和包，例如org.neuroph.core，org.neuroph.core.learning 和 org.neuroph.nnet。
所有受支持的神经网络架构，可在Neuroph的API文档中找到（请参阅org.neuroph.nnet包）
更多示例和更复杂的问题可以在Maven模块Samples中找到。
7. 网页链接
[Neuroph官方网站](http://neuroph.sourceforge.net)
Neuroph维基百科
OTN文章
Part 1, interview on NetBeans Zone
Part 2, interview on NetBeans Zone
Part 3, interview on NetBeans Zone
30 application samples for misc data sets
[更多有用链接请看](http://neuroph.sourceforge.net/links.html)