Ị Mô tả các lớp thư viện chương trình có liên quan mạng nơ -ron + NeuronNetwork Class
Neuron.Core namespace
• INeuron : Interface mô tả một nơron thần kinh
• ISynapse : Interface mô tả một khớp nối thần kinh trong mạng
• ILayer : Interface mô tả Layer trong mạng nơron
• IConnector : Interface mô tả một bô kết nối (connector) (kết nối giữa hai layers)
• INetwork : Interface mô tả một mạng nơron
• IInitializer : Interface dùng để khởi tạo một cách thức làm việc cụ thể của các lớp và các bộ kết nối trong một mạng cụ thể.
• ILearningRateFunction : Learning Rate Function interfacẹ
• Layer : Một thể hiện ở mức tổng quát hóa của interface 'ILayer' hay là một tập hớp các 'INeuron's
• Connector : Một thể hiện ở mức tổng quát hóa của inter 'IConnector' liên kết giữa hai layers
• Network : Một lớp cơ sở để thể hiện một mạng nơron. Nó là triển khai của interface 'INetwork'.
• TrainingSample : Lớp này là thể hiện một cặp các vector: vector đầu vào và vector đầu ra mong muốn.
• TrainingSet : Là tập hợp của các TrainingSample.
• TrainingMethod : Thể hiện phương thức học của mạng nơron là học có giám sát hay không giám sát
• ConnectionMode : Thể hiện một bộ kế nối là một-một connector hay nhiều- nhiều
NeuronNetwork.CorẹInitializers namespace
Có rất nhiều các phương thức khởi tạo cho mạng
như: ConstantFunction, NGuyenWidrowFunction, ZeroFunction, RandomFunction và
NormalizedRandomFunction được mô tả trong namespace nàỵ
NeuronNetwork.CorẹLearningRateFunctions namespace
Namespace chứa các hàm dùng cho Learning rate
NeuronNetwork.CorẹBackPropagation namespace
• ActivationNeuron : một nơron trong mạng lan truyền ngược
• BackpropagationSynapse : Các bộ kết nối giữa hai activation neurons
• ActivationLayer : một lớp tổng quát hóa của activation neurons
• BackpropagationConnector : một tập các BackpropagationSynapses kết nối giữa hai activation layers
• BackpropagationNetwork : Một mạng lan truyền ngược
• LinearLayer, LogarithmLayer, SigmoidLayer, SineLayer và TanhLayer th ừa kế lớp ActivationLayer để triển khai một thể hiên tương ứng với các hàm
activation functions.
NeuronNetwork.CorẹSOM namespace
• PositionNeuron : một nơron a Kohonen network
• KohonenSynapse : Liên kết một nơron và một PositionNeuron
• KohonenLayer : một layer của PositionNeurons
• KohonenConnector : một tập hợp các KohonenSynapses liên kết các
Kohonen Layers
• KohonenNetwork : thể hiện một Self-Organizing Map
• LatticeTopology : chỉ định dạng lưới lattice topology là Hexagonal hay Rectangular.
• INeighborhoodFunction : Interface biểu diễn một neighborhood function
NeuronNetwork.CorẹSOM.NeighborhoodFunctions namespace
• Namespace này bao gôm các class sau GaussianFunction và MexicanHatFunction
backpropagation network
Đoạn mã bên dưới tạo ra một backpropagation network có một lớp đầu vào là LinearLayer chứa mười nơron, một lớp ẩn sigmoid chưa năm nơron và một lớp đầu ra
sigmoid chứa bảy nơron.
Để tạo một mạng nơron, đầu tiên cần khởi tạo các lớp (layers), sau đó kết nối các lớp bằng cách tạo ra các connectors và rồi tạo ra mạng nơron bằng cách cung cấp các lớp đầu vào và đầu rạ Không được sửa đổi cấu trúc của mạng sau khi tạo ra nó (Không tạo ra bất kỳ các Layer hoặc connector nào khi đã tạo mạng thành công).
Cần chú ý lớp đầu vào của một mạng backpropagation luôn luôn là một linear layer bởi vì chúng ta không muốn thay đổi dữ liệu đầu vào thêm độ lệch hay thực hiện activation
Đoạn mã khởi tạo một Kohonen SOM.
Bất cứ lúc nào cũng có thể thay đổi thuộc tính của các layers và các connnectors.
Một learning ratefunction được liên kết với mọi layer trong mạng. Chúng ta có thể thay đổi thuộc tính này cho mỗi một layer. Nếu muốn sử dụng duy nhất một hàm cho mọi lớp chúng ta có thể sử dụng hàm SetLearningRate cho network
Để dạy mạng ta cần các mẫu ví dụ (bao gồm đầu vào và đầu ra). Chúng ta cần tạo ra một tập hợp các mẫu training samples và chúng ta có thể dạy mạng này chống lại các training set.