- JavaScript 實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)應(yīng)用教程

實(shí)際的表格會(huì)隨著測(cè)試集的不斷輸入不斷地展示每一個(gè)輸入和輸出的顏色。測(cè)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(shí)候輸出顏色被分類(lèi)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(shí)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(gè)通用組件，以輸入顏色（背景顏色）和目標(biāo)顏色（字體顏色）為輸入。它能簡(jiǎn)單地用一個(gè)矩形展示輸入顏色的類(lèi)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(biāo)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(cè)顏色的激動(dòng)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(cè)試集中定義的顏色，但目標(biāo)顏色并不是測(cè)試集中的目標(biāo)色。任務(wù)的關(guān)鍵是利用神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)方法預(yù)測(cè)目標(biāo)顏色——它需要輸入的顏色，并應(yīng)在訓(xùn)練階段預(yù)測(cè)目標(biāo)顏色。

最后，當(dāng)你開(kāi)啟應(yīng)用時(shí)，你需要觀察神經(jīng)網(wǎng)絡(luò)是否被啟用。而實(shí)際的表格從開(kāi)始就在使用固定測(cè)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(shí)上，當(dāng) ActualTable 組件顯示實(shí)際測(cè)試集時(shí)，InferenceTable 顯示測(cè)試集的輸入數(shù)據(jù)點(diǎn)，但輸出是使用神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的。

閱讀全文

上一頁(yè)1 2 3 4 5 6 78全文

本文導(dǎo)航

第 1 頁(yè)： JavaScript 實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)應(yīng)用教程
第 2 頁(yè)：JS數(shù)據(jù)集生成
第 3 頁(yè)：npm install deeplearn
第 4 頁(yè)：結(jié)構(gòu)訓(xùn)練集
第 5 頁(yè)：訓(xùn)練階段
第 6 頁(yè)：驗(yàn)證/測(cè)試

JAVA(102450) JAVA(102450)
機(jī)器學(xué)習(xí)(129860) 機(jī)器學(xué)習(xí)(129860)

評(píng)論

相關(guān)推薦

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(jì)算模型，也被稱(chēng)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(diǎn) 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(jī)器學(xué)習(xí)算法，其主要特點(diǎn)是由多層神經(jīng)元構(gòu)成，可以根據(jù)數(shù)據(jù)自動(dòng)調(diào)整神經(jīng)元之間的權(quán)重，從而實(shí)現(xiàn)對(duì)大規(guī)模數(shù)據(jù)進(jìn)行預(yù)測(cè)和分類(lèi)。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(lèi)、物體識(shí)別、語(yǔ)音識(shí)別等領(lǐng)域

2023-08-21 16:49:46

276

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

像分類(lèi)、目標(biāo)檢測(cè)、人臉識(shí)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(shí)現(xiàn)了對(duì)圖像特征的提取和抽象。一、卷積神經(jīng)網(wǎng)絡(luò)的層級(jí)結(jié)構(gòu) 卷積神經(jīng)網(wǎng)絡(luò)主要分為四個(gè)層級(jí)，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(shí)現(xiàn)許多有趣的任務(wù)，如圖像分類(lèi)、物體檢測(cè)、語(yǔ)音識(shí)別、自然語(yǔ)言處理和視頻分析等。本文將詳細(xì)介紹卷積神經(jīng)網(wǎng)絡(luò)的工作原理并用通俗易懂的語(yǔ)言解釋。 1.概述卷積神經(jīng)網(wǎng)絡(luò)是一個(gè)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(lái)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(lái)處理什么卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，簡(jiǎn)稱(chēng)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(shí)現(xiàn)一個(gè)神經(jīng)網(wǎng)絡(luò)來(lái)理解神經(jīng)網(wǎng)絡(luò)的原理4

有個(gè)事情可能會(huì)讓初學(xué)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(gè)詞讓人覺(jué)得很高大上，但實(shí)際上神經(jīng)網(wǎng)絡(luò)算法要比人們想象的簡(jiǎn)單。這篇文章完全是為新手準(zhǔn)備的。我們會(huì)通過(guò)用Python從頭實(shí)現(xiàn)一個(gè)神經(jīng)網(wǎng)絡(luò)來(lái)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(shí)現(xiàn)一個(gè)神經(jīng)網(wǎng)絡(luò)來(lái)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(shí)現(xiàn)一個(gè)神經(jīng)網(wǎng)絡(luò)來(lái)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(shí)現(xiàn)一個(gè)神經(jīng)網(wǎng)絡(luò)來(lái)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(rèn)識(shí)過(guò)程而開(kāi)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(duì)如何由輸入得到輸出的機(jī)理并不清楚，那么我們可以把輸入與輸出之間的未知過(guò)程看成是一個(gè)“網(wǎng)絡(luò)”，通過(guò)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(shí)。就目前而言，神經(jīng)網(wǎng)絡(luò)是深度學(xué)習(xí)算法的核心，我們所熟知的很多深度學(xué)習(xí)算法的背后其實(shí)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(shí)現(xiàn)方法

基于FPGA的神經(jīng)網(wǎng)絡(luò)硬件實(shí)現(xiàn)方法說(shuō)明。

2021-06-01 09:35:16

基于進(jìn)化計(jì)算的神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)與實(shí)現(xiàn)

基于進(jìn)化計(jì)算的神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)與實(shí)現(xiàn)說(shuō)明。

2021-06-01 09:25:11

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

基于FPGA的RBF神經(jīng)網(wǎng)絡(luò)硬件實(shí)現(xiàn)說(shuō)明。

2021-04-28 11:24:23

神經(jīng)網(wǎng)絡(luò)分類(lèi)

本視頻主要詳細(xì)介紹了神經(jīng)網(wǎng)絡(luò)分類(lèi)，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(xiàn)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

基于Numpy實(shí)現(xiàn)同態(tài)加密神經(jīng)網(wǎng)絡(luò)

在分布式AI環(huán)境下，同態(tài)加密神經(jīng)網(wǎng)絡(luò)有助于保護(hù)商業(yè)公司知識(shí)產(chǎn)權(quán)和消費(fèi)者隱私。本文介紹了如何基于Numpy實(shí)現(xiàn)同態(tài)加密神經(jīng)網(wǎng)絡(luò)。

2018-03-27 14:52:30

7308

已全部加載完成

女人自慰AV免费观看内涵网,日韩国产剧情在线观看网址,神马电影网特片网,最新一级电影欧美,在线观看亚洲欧美日韩,黄色视频在线播放免费观看,ABO涨奶期羡澄,第一导航fulione,美女主播操b

搜索歷史