Réseaux neuronaux – 1 – Introduction

Cet article est le début d’une série visant à définir pour le langage Basilic un ou des modules permettant d’effectuer des traitements de deep learning (apprentissage profond) à l’aide du logiciel Neuroph. L’ensemble des articles (courant et à venir) a été testé sous Windows 10.

Neuroph est un logiciel de réseau neuronal écrit en Java. Il comprend une API qui peut être utilisée pour développer des architectures de réseau neuronal . Un éditeur graphique « neurophstudio » facilite l’apprentissage et l’utilisation des réseaux neuronaux.

Fonctionnalités

Prend en charge les perceptrons multicouches avec rétro-propagation.
Prise en charge de la reconnaissance d’images.
Interface graphique facile à utiliser pour créer et expérimenter.
Prend en charge de divers autres réseaux de neurones et de règles d’apprentissage.
API facile à utiliser

Installation

créer un répertoire neuroph, ce sera le répertoire où tout sera installé.
installer basilic dans le répertoire neuroph
installer une version de jdk >= 8 dans le répertoire neuroph
créer un répertoire neurophgui dans le répertoire neuroph. Dans ce répertoire installer neurophstudio ,
télécharger l’api neuroph, dézipper dans neuroph
créer un répertoire neurophdoc dans neuroph. Dans ce répertoire dézipper la documentation se trouvant dans neuroph\neuroph-X.XX\Framework\apidoc.zip

On obtient la structure suivante

Recopier tous les fichiers jar se trouvant dans:

et dans

Dans le répertoire java8\jre\lib\ext, supprimer ensuite les fichiers

del log*.*

Dans le répertoire java8\jre\lib\ext , on doit avoir

Premier test

Modifier cb.bat

Shell

java8\bin\java -jar cb.jar %1.bcj
java8\bin\javac %1.java

Créer un fichier run.bat

Shell

java8\bin\java %1

Compiler t1.bcj

Java

import org.neuroph.core.*;
import org.neuroph.core.data.*;
import org.neuroph.nnet.*;

proc apprentissage()exception
   java
      // 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. add (new DataSetRow (new double[]{0, 0},new double[]{0}));
      trainingSet. add (new DataSetRow (new double[]{0, 1},new double[]{1}));
      trainingSet. add (new DataSetRow (new double[]{1, 0},new double[]{1}));
      trainingSet. add (new DataSetRow (new double[]{1, 1},new double[]{1}));
      // learn the training set
      neuralNetwork.learn(trainingSet);
      // save the trained network into file
      neuralNetwork.save("t1.nnet");
   end java
end proc

proc reconnaissance()exception
   java
      int i,n;
      // load the saved network
      NeuralNetwork neuralNetwork = NeuralNetwork.load("t1.nnet");
      // set network input
      neuralNetwork.setInput(1, 1);
      // calculate network
      neuralNetwork.calculate();
      // get network output
      double[] networkOutput = neuralNetwork.getOutput();
      n=networkOutput.length;
      for(i=0;i<n;i++) System.out.println(networkOutput[i]);
   end java
end proc

proc demarrer()exception
   apprentissage()
   reconnaissance()
end proc

//— MAIN ————-
try
   demarrer()
catch
   println(exceptionToString())
end catch

Compilation:

Exécution:

C:\Users\33632\Documents\neuroph>run t1
1.0

A suivre 🙂

Grimeco

Réseaux neuronaux – 1 – Introduction

Fonctionnalités

Installation

Premier test

A DECOUVRIR EGALEMENT

Basilic, Client FTP

Basilic, Fichiers Jars, Java Derby

Goodies pour Basilic

Laisser un commentaire Annuler la réponse