/// <summary>
/// sin()関数の学習の例
/// <para>NeuralNetworkクラスを直接利用して関数近似を行わせるサンプルです。</para>
/// <para>
/// 2011/12/25現在、0～1までの出力しか得られない。
/// 出力関数と学習則を変更するか、関数近似時には値のマッピングが必要である。
/// 他の人はどうやってんだろう？</para>
/// </summary>
public static void sin_learnig()
{
var para = new Parameter(1, 13, 1, 3, 0.01); // ニューラルネットのパラメータ設定
var NNforSin = new NeuralNetwork(); // ニューラルネットクラスのインスタンス生成
NNforSin.Setup(para);
for (int i = 0; i < 500; i++) // 学習開始
{
Console.Write("\nnow i: " + i.ToString() + "@ ");
Console.Write("ans = ");
for (int k = 0; k < 15; k++)
{
double theta = (double)k / 15.0 * 2.0 * Math.PI;
double ans = 0.0;
for (int l = 0; l < 100; l++) ans = NNforSin.Learn(theta, Math.Sin(theta)); // 特徴ベクトルと教師ベクトルを渡す
Console.Write(", " + ans.ToString("0.000"));
}
}
NNforSin.Save("NN.ini");
return;
}
/// <summary>
/// XORの学習の例
/// <para>NeuralNetworkクラスを直接操作して論理演算を実行する例です。</para>
/// </summary>
public static void XOR_learning()
{
var para = new Parameter(2, 5, 1, 1, 0.1); // ニューラルネットのパラメータ設定（中間層が多いと、学習係数を小さくとる必要がある）7層が限界・・
var NNforXOR = new NeuralNetwork(); // ニューラルネットクラスのインスタンス生成
NNforXOR.Setup(para);
for (int i = 0; i < 100; i++) // 学習開始
{
var ans = new double[4];
Console.Write("now i: " + i.ToString() + "@ ");
for (int k = 0; k < 100; k++)
{
ans[0] = NNforXOR.Learn(new double[2] { 0.0, 0.0 }, 0.0); // 特徴ベクトルと教師ベクトルを渡す
ans[1] = NNforXOR.Learn(new double[2] { 0.0, 1.0 }, 1.0);
ans[2] = NNforXOR.Learn(new double[2] { 1.0, 0.0 }, 1.0);
ans[3] = NNforXOR.Learn(new double[2] { 1.0, 1.0 }, 0.0);
}
Console.WriteLine("ans = " + ans[0].ToString("0.000") + ", " + ans[1].ToString("0.000") + ", " + ans[2].ToString("0.000") + ", " + ans[3].ToString("0.000") +
", 最後の学習結果→Error variation," + NNforXOR.VariationOfError.ToString("0.000") + ", Total Error," + NNforXOR.TotalOutputError.ToString("0.000"));
}
NNforXOR.Save("NN.ini");
return;
}
