Brain.js
Brain.js 是一个 JavaScript 库，它隐藏了数学的复杂性，使人们更容易理解神经网络。
建立神经网络
使用 Brain.js 构建神经网络：
例子：
// 创建神经网络
const 网络 = 新大脑.神经网络();
// 使用 4 个输入对象训练网络
网络.训练（[
{输入：[0,0]，输出：{零：1}}，
{输入：[0,1]，输出：{一：1}}，
{输入：[1,0]，输出：{一：1}，
{输入：[1,1]，输出：{零：1}，
]);
// [1,0] 的预期输出是什么？
结果 = 网络.运行（[1,0]）；
// 显示“零”和“一”的概率
... 结果["一"] + " " + 结果["零"];
亲自尝试 »
示例解释：
神经网络的创建包含以下内容： new brain.NeuralNetwork()
网络经过训练 network.train([examples])
这些示例代表 4 个输入值和一个相应的输出值。
和 network.run([1,0])，你问“[1,0] 的可能输出是什么？”
来自网络的答案是：
- 一：93%（接近1）
- 零：6%（接近于 0）
如何预测对比
使用 CSS，可以通过 RGB 设置颜色：
例子
| 颜色 | RGB |
|---|---|
| 黑色的 | RGB（0,0,0） |
| 黄色的 | RGB（255,255,0） |
| 红色的 | RGB（255,0,0） |
| 白色的 | RGB（255,255,255） |
| 浅灰 | RGB（192,192,192） |
| 深灰色 | RGB（65,65,65） |
下面的例子说明如何预测颜色的暗度：
例子：
// 创建神经网络
const net = new brain.NeuralNetwork();
// 使用 4 个输入对象训练网络
净.训练（[
// 白色 RGB(255, 255, 255)
{输入：[255/255, 255/255, 255/255]，输出：{光：1}}，
// 浅灰色 (192,192,192)
{输入：[192/255, 192/255, 192/255], 输出：{光：1}},
// 深灰色 (64, 64, 64)
{ 输入：[65/255, 65/255, 65/255], 输出：{暗：1}},
// 黑色 (0, 0, 0)
{ 输入：[0, 0, 0], 输出：{暗：1}},
]);
// 深蓝色 (0, 0, 128) 的预期输出是多少？
让结果 = net.run([0, 0, 128/255]);
// 显示“暗”和“亮”的概率
... 结果["暗"] + " " + 结果["亮"];
亲自尝试 »
示例解释：
神经网络的创建包含以下内容： new brain.NeuralNetwork()
网络经过训练 network.train([examples])
这些示例代表 4 个输入值和相应的输出值。
和 network.run([0,0,128/255])，你问“深蓝色的可能输出是什么？”
来自网络的答案是：
- 暗色：95%
- 轻度：4%
为什么不编辑示例来测试可能的输出是黄色还是红色？
