static void Main()
{
//Создания сета тренировочных данных на основе изображений, названных в формате "цифраНаИзображении_номерИзображения.png" и лежащих по пути path
(List <List <double> > inputs, List <List <double> > outputs)trainingData = GetTrainingData(@"C:\Users\mrsto\YandexDisk\NeuralNetwork\image demos", 1, 3, 5);
//Информация о структуре сети
List <int> layersInfo = new List <int>()
{
10, 5, 12
};
//Тренировка
NeuralNetwork neuralNetwork = NetworksAcademy.GetTrainedNetwork(trainingData.inputs, trainingData.outputs,
10000, 100, layersInfo);
//Формирование тестового набора входных данных
List <double> testSet = new List <double>(ImgToDoubleArrayConverter.GetBrightnessArray(@"C:\Users\mrsto\YandexDisk\NeuralNetwork\image demos\3_TEST.png"));
//Получение выходных данных сети на основе тестовых входных данных
neuralNetwork.Output(testSet);
Console.Beep();
Console.ReadKey();
Console.Clear();
List <double> outputs = neuralNetwork.OutputInPercentage();
Console.WriteLine(neuralNetwork.Fitness);
Console.WriteLine();
foreach (var o in outputs)
{
Console.WriteLine(o);
}
Console.ReadKey();
}
static (List <List <double> > inputs, List <List <double> > outputs) GetTrainingData(string path, int minAvalibleDigit, int maxAvalibleDigit, uint dataCount)
{
List <List <double> > outs = new List <List <double> >();
List <List <double> > inputs = new List <List <double> >();
//Добавление тренировочных входных данных
for (int j = minAvalibleDigit; j <= maxAvalibleDigit; j++)
{
for (int i = 1; i <= dataCount; i++)
{
string imgName = path + $"\\{j}_{i}.png";
inputs.Add(ImgToDoubleArrayConverter.GetBrightnessArray(imgName));
}
}
for (int j = minAvalibleDigit; j <= maxAvalibleDigit; j++)
{
List <double> buffer = new List <double>(Convert.ToInt32(maxAvalibleDigit - minAvalibleDigit + 1));
for (int i = 0; i < buffer.Capacity; i++)
{
if (i == j - 1)
{
buffer.Add(1);
}
else
{
buffer.Add(0);
}
}
for (int i = 0; i < dataCount; i++)
{
outs.Add(new List <double>(buffer.ToArray()));
}
}
return(inputs, outs);
}
