FANN (快速人工神经网络)

简介
安装/配置
预定义常量
示例
- XOR 训练
Fann 函数
- fann_cascadetrain_on_data — 使用 Cascade2 训练算法在整个数据集上训练一段时间
- fann_cascadetrain_on_file — 使用 Cascade2 训练算法在从文件中读取的整个数据集上训练一段时间
- fann_clear_scaling_params — 清除缩放参数
- fann_copy — 创建 fann 结构的副本
- fann_create_from_file — 从配置文件构造反向传播神经网络
- fann_create_shortcut — 创建一个标准的反向传播神经网络，它不是完全连接的，并且具有快捷连接
- fann_create_shortcut_array — 创建一个标准的反向传播神经网络，它不是完全连接的，并且具有快捷连接
- fann_create_sparse — 创建一个标准的反向传播神经网络，它不是完全连接的
- fann_create_sparse_array — 使用层大小数组创建一个标准的反向传播神经网络，它不是完全连接的
- fann_create_standard — 创建一个标准的完全连接的反向传播神经网络
- fann_create_standard_array — 使用层大小数组创建一个标准的完全连接的反向传播神经网络
- fann_create_train — 创建一个空的训练数据结构
- fann_create_train_from_callback — 从用户提供的函数创建训练数据结构
- fann_descale_input — 根据先前计算的参数，在从 ann 获取输入向量后对数据进行缩放
- fann_descale_output — 根据先前计算的参数，在从 ann 获取输出向量后对数据进行缩放
- fann_descale_train — 根据先前计算的参数对输入和输出数据进行反缩放
- fann_destroy — 销毁整个网络并正确释放所有相关内存
- fann_destroy_train — 销毁训练数据
- fann_duplicate_train_data — 返回 fann 训练数据的精确副本
- fann_get_activation_function — 返回激活函数
- fann_get_activation_steepness — 返回给定神经元和层号的激活陡度
- fann_get_bias_array — 获取网络中每层中的偏差数量
- fann_get_bit_fail — 失败位的数量
- fann_get_bit_fail_limit — 返回训练期间使用的位失败限制
- fann_get_cascade_activation_functions — 返回级联激活函数
- fann_get_cascade_activation_functions_count — 返回级联激活函数的数量
- fann_get_cascade_activation_steepnesses — 返回级联激活陡度
- fann_get_cascade_activation_steepnesses_count — 激活陡度的数量
- fann_get_cascade_candidate_change_fraction — 返回级联候选变化分数
- fann_get_cascade_candidate_limit — 返回候选限制
- fann_get_cascade_candidate_stagnation_epochs — 返回级联候选停滞纪元数
- fann_get_cascade_max_cand_epochs — 返回最大候选纪元
- fann_get_cascade_max_out_epochs — 返回最大输出纪元
- fann_get_cascade_min_cand_epochs — 返回最小候选纪元
- fann_get_cascade_min_out_epochs — 返回最小输出纪元
- fann_get_cascade_num_candidate_groups — 返回候选组的数量
- fann_get_cascade_num_candidates — 返回训练期间使用的候选数
- fann_get_cascade_output_change_fraction — 返回级联输出变化分数
- fann_get_cascade_output_stagnation_epochs — 返回级联输出停滞纪元数
- fann_get_cascade_weight_multiplier — 返回权重乘数
- fann_get_connection_array — 获取网络中的连接
- fann_get_connection_rate — 获取创建网络时使用的连接率
- fann_get_errno — 返回最后一个错误号
- fann_get_errstr — 返回最后一个 errstr
- fann_get_layer_array — 获取网络中每层中的神经元数量
- fann_get_learning_momentum — 返回学习动量
- fann_get_learning_rate — 返回学习率
- fann_get_MSE — 从网络读取均方误差
- fann_get_network_type — 获取创建它时的神经网络类型
- fann_get_num_input — 获取输入神经元的数量
- fann_get_num_layers — 获取神经网络中的层数
- fann_get_num_output — 获取输出神经元的数量
- fann_get_quickprop_decay — 返回衰减，它是一个因素，权重在快速传播训练期间的每次迭代中都会减少
- fann_get_quickprop_mu — 返回 mu 因子
- fann_get_rprop_decrease_factor — 返回 RPROP 训练期间使用的增加因子
- fann_get_rprop_delta_max — 返回最大步长
- fann_get_rprop_delta_min — 返回最小步长
- fann_get_rprop_delta_zero — 返回初始步长
- fann_get_rprop_increase_factor — 返回 RPROP 训练期间使用的增加因子
- fann_get_sarprop_step_error_shift — 返回 sarprop 步长误差偏移
- fann_get_sarprop_step_error_threshold_factor — 返回 sarprop 步长误差阈值因子
- fann_get_sarprop_temperature — 返回 sarprop 温度
- fann_get_sarprop_weight_decay_shift — 返回 sarprop 权重衰减偏移
- fann_get_total_connections — 获取整个网络中的连接总数
- fann_get_total_neurons — 获取整个网络中的神经元总数
- fann_get_train_error_function — 返回训练期间使用的误差函数
- fann_get_train_stop_function — 返回训练期间使用的停止函数
- fann_get_training_algorithm — 返回训练算法
- fann_init_weights — 使用 Widrow + Nguyen 的算法初始化权重
- fann_length_train_data — 返回训练数据中的训练模式数量
- fann_merge_train_data — 合并训练数据
- fann_num_input_train_data — 返回训练数据中每个训练模式的输入数
- fann_num_output_train_data — 返回训练数据中每个训练模式的输出数
- fann_print_error — 打印错误字符串
- fann_randomize_weights — 为每个连接提供 min_weight 和 max_weight 之间的随机权重
- fann_read_train_from_file — 读取存储训练数据的文件
- fann_reset_errno — 重置最后一个错误号
- fann_reset_errstr — 重置最后一个错误字符串
- fann_reset_MSE — 重置网络中的均方误差
- fann_run — 将输入运行到神经网络中
- fann_save — 将整个网络保存到配置文件
- fann_save_train — 将训练结构保存到文件
- fann_scale_input — 根据先前计算的参数，在将输入向量馈送到 ann 之前对数据进行缩放
- fann_scale_input_train_data — 将训练数据中的输入按比例缩放到指定范围
- fann_scale_output — 基于先前计算的参数，在将输出向量馈送到人工神经网络之前对数据进行缩放
- fann_scale_output_train_data — 将训练数据中的输出缩放至指定的范围
- fann_scale_train — 基于先前计算的参数，对输入和输出数据进行缩放
- fann_scale_train_data — 将训练数据中的输入和输出缩放至指定的范围
- fann_set_activation_function — 设置提供的 neuron 和 layer 的激活函数
- fann_set_activation_function_hidden — 设置所有隐藏层的激活函数
- fann_set_activation_function_layer — 设置提供 layer 中所有 neuron 的激活函数
- fann_set_activation_function_output — 设置输出层的激活函数
- fann_set_activation_steepness — 设置提供的 neuron 和 layer 编号的激活陡度
- fann_set_activation_steepness_hidden — 设置所有隐藏层中所有 neuron 的激活陡度
- fann_set_activation_steepness_layer — 设置提供 layer 编号中所有 neuron 的激活陡度
- fann_set_activation_steepness_output — 设置输出层的激活陡度
- fann_set_bit_fail_limit — 设置训练期间使用的比特失败限制
- fann_set_callback — 设置训练期间使用的回调函数
- fann_set_cascade_activation_functions — 设置级联候选激活函数数组
- fann_set_cascade_activation_steepnesses — 设置级联候选激活陡度数组
- fann_set_cascade_candidate_change_fraction — 设置级联候选变化分数
- fann_set_cascade_candidate_limit — 设置候选限制
- fann_set_cascade_candidate_stagnation_epochs — 设置级联候选停滞时期数
- fann_set_cascade_max_cand_epochs — 设置最大候选时期
- fann_set_cascade_max_out_epochs — 设置最大输出时期
- fann_set_cascade_min_cand_epochs — 设置最小候选时期
- fann_set_cascade_min_out_epochs — 设置最小输出时期
- fann_set_cascade_num_candidate_groups — 设置候选组数量
- fann_set_cascade_output_change_fraction — 设置级联输出变化分数
- fann_set_cascade_output_stagnation_epochs — 设置级联输出停滞时期数
- fann_set_cascade_weight_multiplier — 设置权重乘数
- fann_set_error_log — 设置错误记录的位置
- fann_set_input_scaling_params — 基于训练数据计算输入缩放参数以供将来使用
- fann_set_learning_momentum — 设置学习动量
- fann_set_learning_rate — 设置学习率
- fann_set_output_scaling_params — 基于训练数据计算输出缩放参数以供将来使用
- fann_set_quickprop_decay — 设置 quickprop 衰减因子
- fann_set_quickprop_mu — 设置 quickprop mu 因子
- fann_set_rprop_decrease_factor — 设置 RPROP 训练期间使用的减少因子
- fann_set_rprop_delta_max — 设置最大步长
- fann_set_rprop_delta_min — 设置最小步长
- fann_set_rprop_delta_zero — 设置初始步长
- fann_set_rprop_increase_factor — 设置 RPROP 训练期间使用的增加因子
- fann_set_sarprop_step_error_shift — 设置 sarprop 步长误差偏移
- fann_set_sarprop_step_error_threshold_factor — 设置 sarprop 步长误差阈值因子
- fann_set_sarprop_temperature — 设置 sarprop 温度
- fann_set_sarprop_weight_decay_shift — 设置 sarprop 权重衰减偏移
- fann_set_scaling_params — 基于训练数据计算输入和输出缩放参数以供将来使用
- fann_set_train_error_function — 设置训练期间使用的误差函数
- fann_set_train_stop_function — 设置训练期间使用的停止函数
- fann_set_training_algorithm — 设置训练算法
- fann_set_weight — 设置网络中的连接
- fann_set_weight_array — 设置网络中的连接
- fann_shuffle_train_data — 随机化顺序，对训练数据进行洗牌
- fann_subset_train_data — 返回训练数据子集的副本
- fann_test — 使用一组输入和一组期望输出进行测试
- fann_test_data — 测试一组训练数据，并计算训练数据的 MSE
- fann_train — 使用一组输入和一组期望输出进行一次迭代训练
- fann_train_epoch — 使用一组训练数据进行一次时期训练
- fann_train_on_data — 在整个数据集上进行一段时间训练
- fann_train_on_file — 在整个数据集上进行一段时间训练，该数据集从文件中读取
FANNConnection — FANNConnection 类
- FANNConnection::__construct — 连接构造函数
- FANNConnection::getFromNeuron — 返回起始 neuron 的位置
- FANNConnection::getToNeuron — 返回终止 neuron 的位置
- FANNConnection::getWeight — 返回连接权重
- FANNConnection::setWeight — 设置连接权重

改善此页面

了解如何改善此页面 • 提交拉取请求 • 报告错误

＋添加备注

FANN (快速人工神经网络)

改善此页面

用户贡献的备注