void CreatePopulation(int count)
{
List <uint> Configurate = new List <uint>
{
2,
2,
1
};
Nr = new List <NeuralIndividual>();
inputs = new List <List <double> >();
outputs = new List <List <double> >();
for (int i = 0; i < count; i++)
{
inputs.Clear();
outputs.Clear();
var tmpNr = new ANeuralNetwork(Configurate, ActivationType.PositiveSygmoid, 1);
tmpNr.LoadData("..\\..\\..\\..\\PerceptronData.txt", inputs, outputs);
tmpNr.RandomInit();
//var tmpError = tmpNr.BackPropTraining(inputs, outputs, 1, 0.0001, 1, false);//Обучение сети метдом оьбратного распространения ошибки
tmpNr.IsTrained = true;
var tm = CheckAccuracy(tmpNr);
NeuralIndividual tmpNi = new NeuralIndividual(tmpNr, tm);
Nr.Add(tmpNi);
}
}
static void BackPropagation()
{
List <uint> Configurate = new List <uint>(); //Создаем конфигурацию сети, состоящую из трех слоев
Configurate.Add(2); //1-ой входной слой сети с двумя нейронами
//2-ой слой сети с двумя нейронами
Configurate.Add(5);
Configurate.Add(3);
Configurate.Add(1);//4-й выходнрой слой сети с одним нейроном
ANeuralNetwork NR = new ANeuralNetwork(Configurate, ANeuralNetwork.ActivationType.PositiveSygmoid, 1);
List <List <double> > inputs = new List <List <double> >();
List <List <double> > outputs = new List <List <double> >(); //создаем пустые вектора под входные и выходные данные
NR.LoadData("..\\..\\..\\..\\PerceptronData.txt", inputs, outputs); // выгружаем данные из файла
// инцилизируем веса сети случайным образом
NR.BackPropTraining(inputs, outputs, 3000000, 0.01, 1, true); //Обучение сети метдом оьбратного распространения ошибки
Console.WriteLine(NR.GetType()); //в каждые 100 итераций выводит данные в строку
NR.Save("..\\..\\..\\..\\PerceptronSavedData.txt"); //сохраняем в файл
}
