- JavaScript 實現(xiàn)神經(jīng)網(wǎng)絡(luò)應(yīng)用教程

實際的表格會隨著測試集的不斷輸入不斷地展示每一個輸入和輸出的顏色。測試集包括輸入顏色（背景顏色）和輸出顏色（字體顏色）。由于生成數(shù)據(jù)集的時候輸出顏色被分類為黑色 [0,1] 和白色 [1,0] 向量，它們需要再次被轉(zhuǎn)換為真實的顏色。

const ActualTable = ({ testSet }) =>

Programmatically Computed

{Array(TEST_SET_SIZE).fill(0).map((v, i) =>
key={i}
rgbInput={testSet.rawInputs[i]}
rgbTarget={fromClassifierToRgb(testSet.rawTargets[i])}
/>
)}

const fromClassifierToRgb = (classifier) =>
classifier[0] > classifier[1]
? [ 255, 255, 255 ]
: [ 0, 0, 0 ]

ColorBox 組件是一個通用組件，以輸入顏色（背景顏色）和目標顏色（字體顏色）為輸入。它能簡單地用一個矩形展示輸入顏色的類型、輸入顏色的 RGB 代碼字符串，并用字體的 RGB 代碼將給定的目標顏色上色。

const ColorBox = ({ rgbInput, rgbTarget }) =>

const RgbString = ({ rgb }) =>
`rgb(${rgb.toString()})`
const getRgbStyle = (rgb) =>
`rgb(${rgb[0]}, ${rgb[1]}, ${rgb[2]})`

最后但重要的是，在推理表格中可視化預(yù)測顏色的激動人心的部分。它使用的也是 color box，但提供了一些不同的小道具。

const InferenceTable = ({ testSet, model }) =>

Neural Network Computed

{Array(TEST_SET_SIZE).fill(0).map((v, i) =>
key={i}
rgbInput={testSet.rawInputs[i]}
rgbTarget={fromClassifierToRgb(model.predict(testSet.rawInputs[i]))}
/>
)}

輸入顏色仍然是測試集中定義的顏色，但目標顏色并不是測試集中的目標色。任務(wù)的關(guān)鍵是利用神經(jīng)網(wǎng)絡(luò)的預(yù)測方法預(yù)測目標顏色——它需要輸入的顏色，并應(yīng)在訓(xùn)練階段預(yù)測目標顏色。

最后，當你開啟應(yīng)用時，你需要觀察神經(jīng)網(wǎng)絡(luò)是否被啟用。而實際的表格從開始就在使用固定測試集，在訓(xùn)練階段推理表格應(yīng)該改變它的字體顏色。事實上，當 ActualTable 組件顯示實際測試集時，InferenceTable 顯示測試集的輸入數(shù)據(jù)點，但輸出是使用神經(jīng)網(wǎng)絡(luò)預(yù)測的。

閱讀全文

上一頁 1 2 3 4 5 6 78全文

本文導(dǎo)航

第 1 頁： JavaScript 實現(xiàn)神經(jīng)網(wǎng)絡(luò)應(yīng)用教程
第 2 頁：JS數(shù)據(jù)集生成
第 3 頁：npm install deeplearn
第 4 頁：結(jié)構(gòu)訓(xùn)練集
第 5 頁：訓(xùn)練階段
第 6 頁：驗證/測試

JAVA(102450) JAVA(102450)
機器學習(129860) 機器學習(129860)

人工神經(jīng)網(wǎng)絡(luò)和bp神經(jīng)網(wǎng)絡(luò)的區(qū)別

人工神經(jīng)網(wǎng)絡(luò)和bp神經(jīng)網(wǎng)絡(luò)的區(qū)別? 人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network, ANN）是一種模仿人腦神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu)和功能的計算模型，也被稱為神經(jīng)網(wǎng)絡(luò)（Neural

2023-08-22 16:45:18

707

卷積神經(jīng)網(wǎng)絡(luò)和深度神經(jīng)網(wǎng)絡(luò)的優(yōu)缺點卷積神經(jīng)網(wǎng)絡(luò)和深度神經(jīng)網(wǎng)絡(luò)的區(qū)別

深度神經(jīng)網(wǎng)絡(luò)是一種基于神經(jīng)網(wǎng)絡(luò)的機器學習算法，其主要特點是由多層神經(jīng)元構(gòu)成，可以根據(jù)數(shù)據(jù)自動調(diào)整神經(jīng)元之間的權(quán)重，從而實現(xiàn)對大規(guī)模數(shù)據(jù)進行預(yù)測和分類。卷積神經(jīng)網(wǎng)絡(luò)是深度神經(jīng)網(wǎng)絡(luò)的一種，主要應(yīng)用于圖像和視頻處理領(lǐng)域。

2023-08-21 17:07:36

529

卷積神經(jīng)網(wǎng)絡(luò)的介紹什么是卷積神經(jīng)網(wǎng)絡(luò)算法

卷積神經(jīng)網(wǎng)絡(luò)的介紹什么是卷積神經(jīng)網(wǎng)絡(luò)算法卷積神經(jīng)網(wǎng)絡(luò)涉及的關(guān)鍵技術(shù) 卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）是一種用于圖像分類、物體識別、語音識別等領(lǐng)域

2023-08-21 16:49:46

276

卷積神經(jīng)網(wǎng)絡(luò)層級結(jié)構(gòu) 卷積神經(jīng)網(wǎng)絡(luò)的卷積層講解

像分類、目標檢測、人臉識別等。卷積神經(jīng)網(wǎng)絡(luò)的核心是卷積層和池化層，它們構(gòu)成了網(wǎng)絡(luò)的主干，實現(xiàn)了對圖像特征的提取和抽象。一、卷積神經(jīng)網(wǎng)絡(luò)的層級結(jié)構(gòu) 卷積神經(jīng)網(wǎng)絡(luò)主要分為四個層級，分別是輸入層、卷積層、池化層和全連接層。 1. 輸入層輸入層是卷積神經(jīng)網(wǎng)絡(luò)的第

2023-08-21 16:49:42

473

卷積神經(jīng)網(wǎng)絡(luò)的工作原理卷積神經(jīng)網(wǎng)絡(luò)通俗解釋

。CNN可以幫助人們實現(xiàn)許多有趣的任務(wù)，如圖像分類、物體檢測、語音識別、自然語言處理和視頻分析等。本文將詳細介紹卷積神經(jīng)網(wǎng)絡(luò)的工作原理并用通俗易懂的語言解釋。 1.概述卷積神經(jīng)網(wǎng)絡(luò)是一個由神經(jīng)元構(gòu)成的深度神經(jīng)網(wǎng)絡(luò)，由輸入層、隱藏層和輸出層組成。在卷積神經(jīng)網(wǎng)絡(luò)中，

2023-08-21 16:49:24

636

卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用卷積神經(jīng)網(wǎng)絡(luò)通常用來處理什么

卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用卷積神經(jīng)網(wǎng)絡(luò)通常用來處理什么卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，簡稱CNN）是一種在神經(jīng)網(wǎng)絡(luò)領(lǐng)域內(nèi)廣泛應(yīng)用的神經(jīng)網(wǎng)絡(luò)模型。相較于傳統(tǒng)的前饋

2023-08-21 16:41:45

1074

用Python從頭實現(xiàn)一個神經(jīng)網(wǎng)絡(luò)來理解神經(jīng)網(wǎng)絡(luò)的原理4

有個事情可能會讓初學者驚訝：神經(jīng)網(wǎng)絡(luò)模型并不復(fù)雜！『神經(jīng)網(wǎng)絡(luò)』這個詞讓人覺得很高大上，但實際上神經(jīng)網(wǎng)絡(luò)算法要比人們想象的簡單。這篇文章完全是為新手準備的。我們會通過用Python從頭實現(xiàn)一個神經(jīng)網(wǎng)絡(luò)來理解神經(jīng)網(wǎng)絡(luò)的原理。本文的脈絡(luò)是：

2023-02-27 15:06:21

277

用Python從頭實現(xiàn)一個神經(jīng)網(wǎng)絡(luò)來理解神經(jīng)網(wǎng)絡(luò)的原理3

2023-02-27 15:06:18

300

用Python從頭實現(xiàn)一個神經(jīng)網(wǎng)絡(luò)來理解神經(jīng)網(wǎng)絡(luò)的原理2

2023-02-27 15:06:13

229

用Python從頭實現(xiàn)一個神經(jīng)網(wǎng)絡(luò)來理解神經(jīng)網(wǎng)絡(luò)的原理1

2023-02-27 15:05:34

283

人工神經(jīng)網(wǎng)絡(luò)原理及下載

人工神經(jīng)網(wǎng)絡(luò)是根據(jù)人的認識過程而開發(fā)出的一種算法。假如我們現(xiàn)在只有一些輸入和相應(yīng)的輸出，而對如何由輸入得到輸出的機理并不清楚，那么我們可以把輸入與輸出之間的未知過程看成是一個“網(wǎng)絡(luò)”，通過不斷地給

2008-06-19 14:40:42

什么是神經(jīng)網(wǎng)絡(luò)？什么是卷積神經(jīng)網(wǎng)絡(luò)？

在介紹卷積神經(jīng)網(wǎng)絡(luò)之前，我們先回顧一下神經(jīng)網(wǎng)絡(luò)的基本知識。就目前而言，神經(jīng)網(wǎng)絡(luò)是深度學習算法的核心，我們所熟知的很多深度學習算法的背后其實都是神經(jīng)網(wǎng)絡(luò)。

2023-02-23 09:14:44

1224

基于FPGA的神經(jīng)網(wǎng)絡(luò)硬件實現(xiàn)方法

基于FPGA的神經(jīng)網(wǎng)絡(luò)硬件實現(xiàn)方法說明。

2021-06-01 09:35:16

基于進化計算的神經(jīng)網(wǎng)絡(luò)設(shè)計與實現(xiàn)

基于進化計算的神經(jīng)網(wǎng)絡(luò)設(shè)計與實現(xiàn)說明。

2021-06-01 09:25:11

基于FPGA的RBF神經(jīng)網(wǎng)絡(luò)硬件實現(xiàn)

基于FPGA的RBF神經(jīng)網(wǎng)絡(luò)硬件實現(xiàn)說明。

2021-04-28 11:24:23

神經(jīng)網(wǎng)絡(luò)分類

本視頻主要詳細介紹了神經(jīng)網(wǎng)絡(luò)分類，分別是BP神經(jīng)網(wǎng)絡(luò)、RBF（徑向基）神經(jīng)網(wǎng)絡(luò)、感知器神經(jīng)網(wǎng)絡(luò)、線性神經(jīng)網(wǎng)絡(luò)、自組織神經(jīng)網(wǎng)絡(luò)、反饋神經(jīng)網(wǎng)絡(luò)。

2019-04-02 15:29:22

11361