/// <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;
}
/// <summary>
/// 最小パラメータ構造体及び入力層と出力層のユニット数で初期化する
/// </summary>
/// <param name="minParameter">最小パラメータ</param>
/// <param name="_numOfUnitInInputLayer">入力層のユニット数<para>特徴ベクトルの次元数と同じ数を指定して下さい。</para></param>
/// <param name="_numOfUnitInOutputLayer">出力層のユニット数<para>この数は出力状態量と同じ数を指定して下さい。</para></param>
public void Setup(Object minParameter, int _numOfUnitInInputLayer, int _numOfUnitInOutputLayer)
{
if (minParameter is MinParameter)
{
MinParameter _minPara = (MinParameter)minParameter;
if (_minPara.NumOfHiddenLayer == 0) Console.WriteLine("中間層数が0でしたので中間層のユニット数は無視しました。"); // 実質無視されます。
Parameter para = new Parameter(_minPara, _numOfUnitInInputLayer, _numOfUnitInOutputLayer);
this.parameter = para;
if (this.parameter.Error) throw new Exception("NeuralNetworkクラスのSetup()メソッドにおいてエラーがスローされました。設定パラメータの値が不正です。");
this.Init();
return;
}
else
throw new Exception("不正なパラメータが渡されました。minParameterの型をチェックして下さい。");
}
/// <summary>
/// パラメータ構造体で初期化する
/// </summary>
/// <param name="_parameter">ニューラルネットワーク構造を規定するパラメータ</param>
public void Setup(Parameter _parameter)
{
this.parameter = _parameter;
if (this.parameter.Error) throw new Exception("NeuralNetworkクラスのSetup()メソッドにおいてエラーがスローされました。設定パラメータの値が不正です。");
this.Init();
return;
}
/// <summary>
/// ファイルを指定して結合係数を読み込ませる
/// <para>ファイル名はデフォルトでは"NN.ini"です。</para>
/// </summary>
/// <param name="fname">初期化用のパラメータの書かれたファイルのパス</param>
public void Setup(string fname = "NN.ini")
{
if (System.IO.File.Exists(fname) == false) throw new SystemException("NeuralNetworkクラスのSetup()メソッドにおいてエラーがスローされました。指定されたファイルは存在しません。");
Parameter para = new Parameter(fname);
this.parameter = para;
if (this.parameter.Error) throw new Exception("NeuralNetworkクラスのSetup()メソッドにおいてエラーがスローされました。設定パラメータの値が不正です。");
this.Init();
this.layer.Setup(fname); // 実際の処理はlayerに丸投げ
return;
}
// 3層以上と限定すれば、numOfPreLayerUnitは要らないんだけど2層も試したかったので導入した
/// <summary>
/// レイヤークラスのコンストラクタ
/// <para>このクラスインスタンスを一つ生成すれば、入力層から出力層までを表現可能です。</para>
/// <para>
/// 本クラスを生成する際、numOfPreLayerUnitは0と設定することをお勧めします。
/// 0でなくともエラーは出ませんが、入力層には結合係数が定義されないためです。
/// </para>
/// </summary>
/// <param name="_parameter">ニューラルネットのパラメータ</param>
/// <param name="_myLayerNum">層番号</param>
/// <param name="numOfPreLayerUnit">前の層のユニット数（省略可能です。デフォルトでは0となります。）</param>
public Layer(Parameter _parameter, int _myLayerNum, int numOfPreLayerUnit = 0)
{
this.parameter = _parameter;
this.grossLayerNum = this.parameter.TotalLayer;
this.myLayerNum = _myLayerNum;
// ユニットの準備と、前層のユニット数を記憶する
switch (this.MyKind)
{
case Kind.InputLayer: // 入力層
this.units = new Unit[this.parameter.NumOfUnitInInputLayer]; // 層の種類に合わせて、ユニット数を宣言する
break;
case Kind.HiddenLayer: // 中間層
this.units = new Unit[this.parameter.NumOfUnitInHiddenLayer];
break;
case Kind.OutputLayer: // 出力層
this.units = new Unit[this.parameter.NumOfUnitInOutputLayer];
break;
}
for (int i = 0; i < this.units.Length; i++) this.units[i] = new Unit(numOfPreLayerUnit); // 前の層のユニット数だけ結合係数を生成させる
this.preLayerUnitNum = numOfPreLayerUnit; // 前の層のユニット数を記憶しておく
if (this.MyKind != Kind.OutputLayer)
this.subsidiaryLayer = new Layer(this.parameter, this.myLayerNum - 1, this.units.Length); // 出力層以外なら子レイヤを生成
}
