processing神经网络（1）

NeuronBlack

      人工智能是一门多领域交叉的学科，其门槛非常之高。神经网络算法是人工智能常用算法之一，这几天无意中发现了一个基于java的神经网络框架Neuroph，这个框架对神经网络算法进行了高度封装，有点类似于arduino，使得新手可以轻松上手。只是国内只有对其简单的介绍，并没有详细教程。所以我打算写一下对其的详细教程，为了使大家更容易接受所以我打算用采用processing来对neuroph进行详细的介绍。笔者并没有专门研究过processing，若有错误欢迎指出。另外笔者也在边写边研究该框架，如果之前文章有疏漏会在后续章节补上。
      那么第一步我就来介绍开发前的准备吧，非常的简单。打开neuroph的官网 http://neuroph.sourceforge.net/  下载zip文件，neuroph提供了自己的图形化ide环境，有兴趣的朋友可以下载neurophstudio来研究下。
      解压文件后打开目录会发现一个叫做neuroph-core-2.92的jar文件，我们目前只需要这个文件就行了，打开processing ide,直接将此jar文件拖入ide中去，我们的开发环境便准备好了。
     下面就简单的介绍下神经网络，神经网络算法顾名思义模仿人的神经系统来达到人工智能的效果。神经网络中最小的单位是神经元，神经元之间相互连接便成了复杂的神经网络，信息就在这个网络中传递处理。所以第一步我们要创建一个神经元。

1. Neuron neuron=new Neuron();

复制代码

    一个神经元自然可以向外传递数据：

1. neuron.setOutput(5.0);

复制代码

    当然一个神经元啥都干不了，我们要多来几个才能组成一个神经网络：

1. Neuron  neuron1=new Neuron();
   
2. Neuron  neuron2=new Neuron();

复制代码

     这里我们创造了两个神经元，这依旧不是一个神经网络，因为他们两个之间并没有连接，我们需要用一根线将他们连在一起：

1. Connection connection=new Connection(neuron1,neuron2,0.5);

复制代码

     注意在官方说明中Connection的构造方法的参数是fromNeuron，toNeuron，weight，所以这个连接是有方向的本例中neuron1指向了neuron2，那么就来说说第三个参数weight。联系下生活实际我们识别一个事物会从它的形状，颜色等等来进行判断，但这种种的因素对你最终判断的影响程度是不一样的，我们可以用权重来表示它对最终结果的影响程度。本例中neuron1的权重为0.5。
     下面我们就来测试下刚刚写好的代码：

1. Neuron  neuron1=new Neuron();
   
2. Neuron  neuron2=new Neuron();
   
3. Connection connection=new Connection(neuron1,neuron2,0.5);
   
4. println(connection.getWeight());
   
5. neuron1.setOutput(5.0);
   
6. println(connection.getInput());

复制代码

     控制台输出了0.5和5.0，由此最简单的一个神经网络便搭建好了，用一张图来表示下我们搭建的神经网络：      

henrypcw

期待更新.......

幻生幻灭

不觉明历

darkorigin

不明觉厉啊！！！！有点看不懂是啥意思。。。

ILLUSION

放一个实现具体控制的例子就好了，体现神经网络控制的优越性