/// <summary>
/// Klonuje matrix a następnie wykonuje na nim operację.
/// </summary>
/// <param name="m">Matrix.</param>
/// <param name="operation">Operacja do wykonania.</param>
/// <returns>Zwraca matrix z wykonaną na nim operacją.</returns>
static public Matrix Foreach(Matrix m, FloatOperationHandler operation)
{
Matrix output = (Matrix)m.Clone();
output.Foreach(operation);
return(output);
}
/// <summary>
/// Iteruje przez wszytkie dane matrixu i wykonuje na nich operację.
/// </summary>
/// <param name="operation">Operacja do wykonania.</param>
public void Foreach(FloatOperationHandler operation)
{
for (int x = 0; x < Rows; x++)
{
for (int y = 0; y < Columns; y++)
{
Data[x, y] = operation.Invoke(Data[x, y]);
}
}
}
/// <summary>
/// Tworzy nową 3 warstwową sieć neuronową z określonym rozmiarem każdej warstwy i określonymi funkcjami aktywacyjnymi.
/// </summary>
/// <param name="inputsLayerSize">Ilość inputów.</param>
/// <param name="hiddenLayerSize">Ilość ukrytych neuronów.</param>
/// <param name="outputsLayerSize">Ilość outputów.</param>
/// <param name="hiddenLayerActivationFunction">Funkcja aktywacyjna dla neuronów ukrytej warstwy.</param>
/// <param name="outputLayerActivationFunction">Funkcja aktywacyjna dla neuronów warstwy outputów.</param>
/// <param name="hiddenLayerDerivativeFunction">Pochodna dla funckcji aktywacyjnej warstwy ukrytej.</param>
/// <param name="outputLayerDerivativeFunction">Pochodna dla funckcji aktywacyjnej warstwy outputów.</param>
public SimpleNeuralNetwork(int inputsLayerSize, int hiddenLayerSize, int outputsLayerSize, ActivationFunctionHandler hiddenLayerActivationFunction, ActivationFunctionHandler outputLayerActivationFunction, FloatOperationHandler hiddenLayerDerivativeFunction, FloatOperationHandler outputLayerDerivativeFunction)
{
InputsLayerSize = inputsLayerSize;
HiddenLayerSize = hiddenLayerSize;
OutputsLayerSize = outputsLayerSize;
HiddenLayerActivationFunction = hiddenLayerActivationFunction;
OutputLayerActivationFunction = outputLayerActivationFunction;
HiddenLayerDerivativeFunction = hiddenLayerDerivativeFunction;
OutputLayerDerivativeFunction = outputLayerDerivativeFunction;
weightsIh = new Matrix(HiddenLayerSize, InputsLayerSize);
weightsHo = new Matrix(OutputsLayerSize, HiddenLayerSize);
weightsIh.Randomize(-1, 1);
weightsHo.Randomize(-1, 1);
biasH = new Matrix(HiddenLayerSize, 1);
biasO = new Matrix(OutputsLayerSize, 1);
biasH.Randomize(-1, 1);
biasO.Randomize(-1, 1);
}