FANN (快速人工神經網路)

• 簡介
• 安裝／配置
  • 需求
  • 安裝
  • 執行時配置
  • 資源型別
• 預定義常量
• 範例
  • XOR (異或)訓練
• Fann 函式
  • fann_cascadetrain_on_data — 在整個數據集上訓練，使用一段時間的 Cascade2 訓練演算法。
  • fann_cascadetrain_on_file — 讀取檔案並在整個數據集上訓練，使用 Cascade2 訓練演算法訓練一段時間。
  • fann_clear_scaling_params — 清除縮放參數
  • fann_copy — 建立一個 fann 結構體的副本。
  • fann_create_from_file — 從配置檔案中構建一個反向傳播神經網路。
  • fann_create_shortcut_array — 建立一個含快捷連線而非全連線的標準反向傳播神經網路。
  • fann_create_shortcut — 建立一個含快捷連線而非全連線的標準反向傳播神經網路。
  • fann_create_sparse_array — 建立一個標準的反向傳播神經網路，該網路使用一個表示每層大小的陣列來構造，但是並不是全連線的。
  • fann_create_sparse — 建立一個標準的反向傳播神經網路，該網路不是全連線。
  • fann_create_standard_array — 建立一個全連線的反向傳播神經網路，該網路使用一個表示每層大小的陣列來構造。
  • fann_create_standard — 建立標準的全連線反向傳播神經網路。
  • fann_create_train_from_callback — 從使用者提供的函式建立訓練數據結構。
  • fann_create_train — 建立一個空的訓練數據結構。
  • fann_descale_input — 在獲取基於先前計算的參數之後，在輸入向量中縮小數據
  • fann_descale_output — 在獲取基於先前計算的參數之後，在輸出向量中縮小數據
  • fann_descale_train — 基於先前計算的參數來縮小輸入和輸出數據
  • fann_destroy_train — 銷燬訓練數據。
  • fann_destroy — 銷燬整個網路並且適當地釋放所有的關聯記憶體。
  • fann_duplicate_train_data — 返回 fann 訓練數據精確的副本。
  • fann_get_activation_function — 返回激勵函式
  • fann_get_activation_steepness — 為提供的神經和網路層數返回啟用陡度
  • fann_get_bias_array — 獲取網路中每一層的偏差數
  • fann_get_bit_fail_limit — 返回訓練期間使用的誤差限制
  • fann_get_bit_fail — 失敗位的數量
  • fann_get_cascade_activation_functions_count — 返回級聯啟用函式的數量
  • fann_get_cascade_activation_functions — 返回級聯啟用函式
  • fann_get_cascade_activation_steepnesses_count — 啟用陡度的數量
  • fann_get_cascade_activation_steepnesses — 返回級聯啟用陡度
  • fann_get_cascade_candidate_change_fraction — 返回級聯候選變化分數
  • fann_get_cascade_candidate_limit — 返回候選限度
  • fann_get_cascade_candidate_stagnation_epochs — 返回層疊候選停滯週期的數量
  • fann_get_cascade_max_cand_epochs — 返回候選週期的最大值
  • fann_get_cascade_max_out_epochs — 返回輸出週期的最大值
  • fann_get_cascade_min_cand_epochs — 返回最小的候選週期
  • fann_get_cascade_min_out_epochs — 返回最小輸出週期
  • fann_get_cascade_num_candidate_groups — 返回候選組的數量
  • fann_get_cascade_num_candidates — 返回訓練期間使用的候選數量
  • fann_get_cascade_output_change_fraction — 返回級聯輸出變化分數
  • fann_get_cascade_output_stagnation_epochs — 返回級聯輸出停滯週期的數量
  • fann_get_cascade_weight_multiplier — 返回權重因子
  • fann_get_connection_array — 獲取網路中的連線。
  • fann_get_connection_rate — 獲取當網路建立時連線的使用率。
  • fann_get_errno — 返回最後一個錯誤數字。
  • fann_get_errstr — 返回最後的錯誤字串。
  • fann_get_layer_array — 獲取網路中每層的神經元數量。
  • fann_get_learning_momentum — 返回學習動量
  • fann_get_learning_rate — 返回學習速率
  • fann_get_MSE — 從網路中讀取均方誤差。
  • fann_get_network_type — 獲取所建立的神經網路型別。
  • fann_get_num_input — 獲取輸入神經元的數量。
  • fann_get_num_layers — 獲取神經網路的層數。
  • fann_get_num_output — 獲取輸出神經元的數量。
  • fann_get_quickprop_decay — 返回衰退值，用於在 quickprop 訓練迭代時衰減權重
  • fann_get_quickprop_mu — 返回放大係數
  • fann_get_rprop_decrease_factor — 返回 RPROP 訓練期間的衰減係數
  • fann_get_rprop_delta_max — 返回最大步長
  • fann_get_rprop_delta_min — 返回最小步長
  • fann_get_rprop_delta_zero — 返回初始步長
  • fann_get_rprop_increase_factor — 返回 RPROP 訓練的遞增係數
  • fann_get_sarprop_step_error_shift — 返回 sarprop 步值的誤差偏移
  • fann_get_sarprop_step_error_threshold_factor — 返回 sarprop 演算法步值的誤差閾值係數
  • fann_get_sarprop_temperature — 返回 sarprop 演算法溫度
  • fann_get_sarprop_weight_decay_shift — 返回 sarprop 演算法權重衰減變化值
  • fann_get_total_connections — 獲取整個網路中所有的連線數。
  • fann_get_total_neurons — 獲取整個網路中神經元的數量。
  • fann_get_train_error_function — 返回訓練中使用的錯誤函式。
  • fann_get_train_stop_function — 返回訓練中使用的停止函式。
  • fann_get_training_algorithm — 返回訓練演算法。
  • fann_init_weights — 使用 Widrow 和 Nguyen 演算法初始化權重。
  • fann_length_train_data — 返回訓練數據中訓練模式的數量。
  • fann_merge_train_data — 合併訓練數據。
  • fann_num_input_train_data — 返回訓練數據中每個訓練模式輸入的數量。
  • fann_num_output_train_data — 返回訓練數據中每個訓練模式輸出的數量。
  • fann_print_error — 列印錯誤字串。
  • fann_randomize_weights — 給每個連線賦一個介於 min_weight 和 max_weight 之間的隨機權重。
  • fann_read_train_from_file — 讀取儲存訓練數據的檔案。
  • fann_reset_errno — 重置最後的錯誤程式碼。
  • fann_reset_errstr — 重置最後的錯誤字串。
  • fann_reset_MSE — 重置網路中的均方誤差。
  • fann_run — 將通過神經網路執行輸入。
  • fann_save_train — 將訓練結構體儲存至檔案。
  • fann_save — 將整個網路儲存至配置檔案。
  • fann_scale_input_train_data — 在訓練數據中縮放輸入至指定範圍
  • fann_scale_input — 在以前計算參數的基礎上，在訓練之前放大輸入向量中的數據
  • fann_scale_output_train_data — 在訓練數據中縮放輸出至指定範圍
  • fann_scale_output — 在以前計算參數的基礎上，在訓練之前放大輸出向量中的數據
  • fann_scale_train_data — 在訓練數據中縮放輸入和輸出到指定的範圍
  • fann_scale_train — 在以前計算參數的基礎上，縮放輸入和輸出數據
  • fann_set_activation_function_hidden — 為所有隱藏層設定啟用函式
  • fann_set_activation_function_layer — 為已應用的層中所有的神經元設定啟用函式。
  • fann_set_activation_function_output — 為輸出層設定啟用函式
  • fann_set_activation_function — 為已應用的神經元和層設定啟用函式
  • fann_set_activation_steepness_hidden — 為所有隱藏層中所有的神經元設定啟用函式陡度
  • fann_set_activation_steepness_layer — 為提供的層中所有的神經元設定啟用陡度
  • fann_set_activation_steepness_output — 在輸出層中設定啟用陡度
  • fann_set_activation_steepness — 為提供的神經元和層設定啟用陡度
  • fann_set_bit_fail_limit — 設定訓練期間使用的誤差
  • fann_set_callback — 設定訓練期間使用的回撥函式。
  • fann_set_cascade_activation_functions — 設定級聯候選啟用函式的陣列
  • fann_set_cascade_activation_steepnesses — 設定級聯候選啟用陡度的陣列。
  • fann_set_cascade_candidate_change_fraction — 設定級聯候選更改分數
  • fann_set_cascade_candidate_limit — 設定候選限度
  • fann_set_cascade_candidate_stagnation_epochs — 設定級聯候選停止週期數
  • fann_set_cascade_max_cand_epochs — 設定最大候選週期數
  • fann_set_cascade_max_out_epochs — 設定最大輸出週期
  • fann_set_cascade_min_cand_epochs — 設定最小候選週期
  • fann_set_cascade_min_out_epochs — 設定最小輸出週期
  • fann_set_cascade_num_candidate_groups — 設定候選組數量
  • fann_set_cascade_output_change_fraction — 設定級聯輸出改變分數
  • fann_set_cascade_output_stagnation_epochs — 設定級聯輸出停滯週期的值
  • fann_set_cascade_weight_multiplier — 設定權重因子
  • fann_set_error_log — 設定錯誤記錄儲存的位置。
  • fann_set_input_scaling_params — 根據訓練數據計算將來使用的輸入比例參數
  • fann_set_learning_momentum — 設定學習動量。
  • fann_set_learning_rate — 設定學習速率。
  • fann_set_output_scaling_params — 根據訓練數據計算將來使用的輸出縮放參數
  • fann_set_quickprop_decay — 設定quickprop演算法衰減因子
  • fann_set_quickprop_mu — 設定 quickprop 演算法放大因子
  • fann_set_rprop_decrease_factor — 使用 RPROP 演算法訓練時，設定下降因子
  • fann_set_rprop_delta_max — 設定最大步長
  • fann_set_rprop_delta_min — 設定最小步長
  • fann_set_rprop_delta_zero — 設定初始步長
  • fann_set_rprop_increase_factor — 使用 RPROP 演算法訓練時，設定增長因子
  • fann_set_sarprop_step_error_shift — 設定 sarprop 演算法的步誤差偏移量
  • fann_set_sarprop_step_error_threshold_factor — 設定 sarprop 演算法的步誤差閾值因子
  • fann_set_sarprop_temperature — 設定 sarprop 演算法的溫度
  • fann_set_sarprop_weight_decay_shift — 設定 sarprop 演算法的權重衰減偏移值
  • fann_set_scaling_params — 根據訓練數據計算輸入和輸出縮放參數以供將來使用
  • fann_set_train_error_function — 設定訓練期間使用的錯誤函式。
  • fann_set_train_stop_function — 設定訓練期間使用的停止函式。
  • fann_set_training_algorithm — 設定訓練演算法。
  • fann_set_weight_array — 在網路中設定一個連線。
  • fann_set_weight — 在網路中設定一個連線。
  • fann_shuffle_train_data — 打算訓練數據，使順序隨機。
  • fann_subset_train_data — 返回一個訓練數據子集的副本。
  • fann_test_data — 使用訓練數據來測試並且計算出 MSE
  • fann_test — 使用一組輸入和一組期望的輸出來測試。
  • fann_train_epoch — 使用一組訓練數據訓練一個週期。
  • fann_train_on_data — 在整個數據集上訓練一段時間。
  • fann_train_on_file — 在從某個檔案讀取的整個數據集上訓練一段時間。
  • fann_train — 使用一個輸入集和一個期望的輸出集來迭代訓練一次。
• FANNConnection — FANNConnection 類
  • FANNConnection::__construct — 連線構造器
  • FANNConnection::getFromNeuron — 返回開始連線的神經元。
  • FANNConnection::getToNeuron — 返回終止神經元的位置。
  • FANNConnection::getWeight — 返回連線權重。
  • FANNConnection::setWeight — 設定連線權重。