private void button5_Click(object sender, EventArgs e)
{
List <WynikNeuroneowej> wk = new List <WynikNeuroneowej>();
Random r = new Random();
int Długość = 0;
int IlośćPetli = 0;
int Najlepsza = 0; try
{
Długość = Convert.ToInt32(textBox3.Text);
IlośćPetli = Convert.ToInt32(textBox4.Text);
}
catch (Exception ex)
{
MessageBox.Show("źle wpisane dane " + ex.Message);
return;
}
listBox1.Items.Clear();
t = new Thread(new ThreadStart(() =>
{
for (int i = 0; i < IlośćPetli; i++)
{
SieciRywalizujące <string> tb = StwórzSieć();
for (int j = 0; j < Długość; j++)
{
TabelaUcząca rt = ZbiórUczący[r.Next(ZbiórUczący.Count)];
tb.Ucz(rt.Nazwa, rt.WejścieFloat);
}
int IlośćPoprawnych = 0;
foreach (var item in ZbiórUczący)
{
if (tb.PobierzWartośc(item.WejścieFloat) == item.Nazwa)
{
IlośćPoprawnych++;
}
}
wk.Add(new WynikNeuroneowej()
{
Poprawne = IlośćPoprawnych
});
if (Najlepsza < IlośćPoprawnych)
{
tb.Zapisz(Loto.StałeGlobalne.NazwaPlikuRywalizującejSieci + "uczenie", Zapis);
Najlepsza = IlośćPoprawnych;
Console.WriteLine(IlośćPoprawnych);
listBox1.Invoke(new TR(() => { listBox1.Items.Add(IlośćPoprawnych.ToString()); }));
}
}
this.Invoke(new TR(() => { this.Text = WynikNeuroneowej.Drukuj(wk); }));
}));
t.Start();
}
private void button2_Click(object sender, EventArgs e)
{
List <WynikNeuroneowej> wk = new List <WynikNeuroneowej>();
Random r = new Random();
int Najlepsza = 0;
int Długość = 0, IlośćPetli = 0;
double WSPUczenia = 0, WspPendu = 0, Bias = 0;
float OstatniaPróbaUcząca, UczeniePopranego; try
{
Pobierz(out Długość, out IlośćPetli, out WSPUczenia, out WspPendu, out Bias, out OstatniaPróbaUcząca, out UczeniePopranego);
}
catch (Exception)
{
MessageBox.Show("źle wpisane dane");
return;
}
Maks = Convert.ToInt32(textBox6.Text);
listBox1.Items.Clear();
t = new Thread(new ThreadStart(() =>
{
for (int i = 0; i < IlośćPetli; i++)
{
ActivationNetwork network = null;
if (DomyślnaSiec == null)
{
network = KontrukcjaSieci(Bias);
Neuron.RandRange = new AForge.Range(-1, 1);
network.Randomize();
}
else
{
network = DomyślnaSiec;
}
BackPropagationLearning teacher = new BackPropagationLearning(network);
teacher.Momentum = WspPendu;
for (int j = 0; j < Długość; j++)
{
float Współczynik = ((float)(Długość - j)) / Długość;
teacher.LearningRate = WSPUczenia * Współczynik + OstatniaPróbaUcząca;
TabelaUcząca rt = ZbiórUczący[r.Next(ZbiórUczący.Count)];
double[] UczWyjście = (double[])rt.Wyjście.Clone();
int p = 0;
bool CzyPoprawny;
while (p++ < Maks)
{
CzyPoprawny = (Loto.Matematyka.ZnajdźMaksymalną(network.Compute(rt.Wejście)) == rt.Nr);
if (!CzyPoprawny)
{
teacher.Run(rt.Wejście, rt.Wyjście);
}
else if (UczPoprawne)
{
teacher.LearningRate = UczeniePopranego * WSPUczenia;
teacher.Run(rt.Wejście, rt.Wyjście);
break;
}
else
{
break;
}
}
}
int IlośćPoprawnych = 0;
double Odhylenie = 0;
StreamWriter sw = null;
if (checkBox2.Checked)
{
sw = new StreamWriter(new FileStream($"zap{i}.txt", FileMode.Create));
}
foreach (var item in ZbiórUczący)
{
double[] tb = network.Compute(item.Wejście);
Odhylenie += OdchylenieStadardowe(tb, item.Wyjście);
if (Loto.Matematyka.ZnajdźMaksymalną(tb) == item.Nr)
{
IlośćPoprawnych++;
}
foreach (var item2 in ListaNajlepszych(tb))
{
sw?.Write(item2);
sw?.Write('\t');
}
sw?.WriteLine(item.Nazwa);
}
sw?.Close();
Odhylenie /= ZbiórUczący.Count;
if (Najlepsza < IlośćPoprawnych)
{
network.Save("siec.tv");
Najlepsza = IlośćPoprawnych;
Console.WriteLine(IlośćPoprawnych);
}
wk.Add(new WynikNeuroneowej()
{
błąd = Odhylenie, Poprawne = IlośćPoprawnych
});
listBox1.Invoke(new TR(() => { listBox1.Items.Add(IlośćPoprawnych.ToString() + " odchylenie stadardowe " + Odhylenie); }));
}
this.Invoke(new TR(() => { this.Text = WynikNeuroneowej.Drukuj(wk); }));
}));
t.Start();
}
