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?