用java实现神经网络的组成单元：感知器

感知器

最近看到一篇博客，由浅入深地讲解了机器学习中的神经网络，但是由于它其中的实现代码是python，我也想更加深入的了解一波儿，就用java也实现了一套，实现功能是一样的。

感知器模型结构图：

Notice：通过设置一个值恒为一的节点，可以把误差和权重的计算统一起来，其中值恒唯一的节点对应的权重表示误差（bias）。

这里的代码是实现对于一个感知器的神经网络，输入是二维向量，输出一个数（0,1），通过简单的学习实现对于and 和 or 运算的拟合

import java.util.Arrays;
public class Perceptron implements IPerceptron{
	//输入节点
    private double[] inputArray;
	//权重，最后一个输入节点（1.d）对应的是误差
    private double[] weights;
	//输出节点
    private double output;
	//输入节点个数
    private int inputLength;
	//学习系数
    private double rate;

    public Perceptron(int inputLength, double rate) {
        this.inputLength = inputLength;
        this.inputArray = new double[inputLength+1];
        //设置误差项
        this.inputArray[inputLength] = 1.d;
        this.weights = new double[inputLength+1];
        this.output = 0.d;
        this.rate = rate;
    }
	//激活函数：表示为阶跃函数
    public double activotor(double x) {
        return Double.compare(x,0.d) > 0? 1.d:0.d;
    }
	//前向运算
    public void predict() {
        double sum = 0;
        for (int i = 0; i < inputArray.length; i++) {
            sum += inputArray[i]*weights[i];
        }
        this.output = activotor(sum);
    }
	//前向运算重载方法
    public double predict(double[] inputs) {
        for (int i = 0; i < inputLength; i++) {
            inputArray[i] = inputs[i];
        }
        predict();
        return this.output;
    }
	//后向运算
    public void backwards(double delta) {
        for (int i = 0; i < inputArray.length; i++) {
            weights[i] += rate*delta*inputArray[i];
        }
        System.out.println(Arrays.toString(weights));
    }
	//训练方法
    public void train(double[][] trainData,double[] labels, int batch){
        for (int i = 0; i < batch; i++) {
            for (int j = 0; j < trainData.length; j++) {
                for (int k = 0; k < trainData[j].length; k++) {
                   inputArray[k] = trainData[j][k];
                }
                predict();
                backwards(labels[j]-output);
            }
        }
    }

    public static void main(String[] args) {
        double[][] trainData = {{0,0},{0,1},{1,0},{1,1}};
        double[] labels = {0,0,0,1};
        Perceptron perceptron = new Perceptron(2,0.1);
        perceptron.train(trainData,labels,10);
        for (int i = 0; i < trainData.length; i++) {
            double predict = perceptron.predict(trainData[i]);
            System.out.println(Arrays.toString(trainData[i]) +": "+predict);
        }
    }
}

运行结果：

感悟：对于神经网络的代码debug比较有难度，纯手打的代码也不好维护，在项目中还是用成熟的框架比较好，手打只是为了更加深入的理解。