Быстрая искусственная нейронная сеть (Fast Artificial Neural Network или FANN)

• Введение
• Установка и настройка
  • Требования
  • Установка
  • Настройка во время выполнения
  • Типы ресурсов
• Предопределенные константы
• Примеры
  • Обучение XOR
• Функции Fann
  • fann_cascadetrain_on_data — Обучение на всем наборе данных в течение определенного периода времени с помощью алгоритма Cascade2
  • fann_cascadetrain_on_file — Обучение на данных прочтенных из файла с помощью алгоритма Cascade2
  • fann_clear_scaling_params — Очистка параметров масштабирования
  • fann_copy — Создает копию структуры fann
  • fann_create_from_file — Создает нейронную сеть с обратным распространением ошибки из конфигурационного файла
  • fann_create_shortcut_array — Создает стандартную нейронную сеть обратного распространения, которая не полностью подключена и имеет быстрые соединения
  • fann_create_shortcut — Создает стандартную нейронную сеть обратного распространения, которая не полностью подключена и имеет быстрые соединения
  • fann_create_sparse_array — Создает стандартную нейронную сеть обратного распространения, которая не полностью подключена, используя массив размеров слоев
  • fann_create_sparse — Создает стандартную нейронную сеть обратного распространения, которая не полностью подключена
  • fann_create_standard_array — Создает стандартную полностью подключенную нейронную сеть обратного распространения, используя массив размеров слоев
  • fann_create_standard — Создает стандартную полностью подключенную нейронную сеть обратного распространения
  • fann_create_train_from_callback — Создает структуру данных обучения из предоставленной пользователем функции
  • fann_create_train — Создает пустую структуру данных для обучения
  • fann_descale_input — Масштабирует данные во входном векторе после получения их на основе ранее рассчитанных параметров
  • fann_descale_output — Масштабирует данные в выходном векторе после получения их ина основе ранее рассчитанных параметров
  • fann_descale_train — Масштабирование входных и выходных данных на основе предварительно рассчитанных параметров
  • fann_destroy_train — Уничтожает тренировочные данные
  • fann_destroy — Уничтожает всю сеть и правильно освобождает всю связанную память
  • fann_duplicate_train_data — Возвращает точную копию тренировочных данных
  • fann_get_activation_function — Возвращает функцию активации
  • fann_get_activation_steepness — Возвращает крутизну активации для поставляемого нейрона и номера слоя
  • fann_get_bias_array — Получает количество смещений в каждом слое в сети
  • fann_get_bit_fail_limit — Возвращает предел сбоя битов, использованный во время обучения
  • fann_get_bit_fail — Количество битов сбоя
  • fann_get_cascade_activation_functions_count — Возвращает количество функций каскадной активации
  • fann_get_cascade_activation_functions — Возвращает функции каскадной активации
  • fann_get_cascade_activation_steepnesses_count — Количество крутизны активации
  • fann_get_cascade_activation_steepnesses — Возвращает крутизну каскадной активации
  • fann_get_cascade_candidate_change_fraction — Returns the cascade candidate change fraction
  • fann_get_cascade_candidate_limit — Возвращает предел кандидата
  • fann_get_cascade_candidate_stagnation_epochs — Returns the number of cascade candidate stagnation epochs
  • fann_get_cascade_max_cand_epochs — Returns the maximum candidate epochs
  • fann_get_cascade_max_out_epochs — Returns the maximum out epochs
  • fann_get_cascade_min_cand_epochs — Returns the minimum candidate epochs
  • fann_get_cascade_min_out_epochs — Returns the minimum out epochs
  • fann_get_cascade_num_candidate_groups — Returns the number of candidate groups
  • fann_get_cascade_num_candidates — Returns the number of candidates used during training
  • fann_get_cascade_output_change_fraction — Returns the cascade output change fraction
  • fann_get_cascade_output_stagnation_epochs — Returns the number of cascade output stagnation epochs
  • fann_get_cascade_weight_multiplier — Returns the weight multiplier
  • fann_get_connection_array — Get connections in the network
  • fann_get_connection_rate — Get the connection rate used when the network was created
  • fann_get_errno — Возвращает последний номер ошибки
  • fann_get_errstr — Returns the last errstr
  • fann_get_layer_array — Get the number of neurons in each layer in the network
  • fann_get_learning_momentum — Returns the learning momentum
  • fann_get_learning_rate — Returns the learning rate
  • fann_get_MSE — Reads the mean square error from the network
  • fann_get_network_type — Get the type of neural network it was created as
  • fann_get_num_input — Get the number of input neurons
  • fann_get_num_layers — Get the number of layers in the neural network
  • fann_get_num_output — Get the number of output neurons
  • fann_get_quickprop_decay — Returns the decay which is a factor that weights should decrease in each iteration during quickprop training
  • fann_get_quickprop_mu — Returns the mu factor
  • fann_get_rprop_decrease_factor — Returns the increase factor used during RPROP training
  • fann_get_rprop_delta_max — Returns the maximum step-size
  • fann_get_rprop_delta_min — Returns the minimum step-size
  • fann_get_rprop_delta_zero — Returns the initial step-size
  • fann_get_rprop_increase_factor — Returns the increase factor used during RPROP training
  • fann_get_sarprop_step_error_shift — Returns the sarprop step error shift
  • fann_get_sarprop_step_error_threshold_factor — Returns the sarprop step error threshold factor
  • fann_get_sarprop_temperature — Returns the sarprop temperature
  • fann_get_sarprop_weight_decay_shift — Returns the sarprop weight decay shift
  • fann_get_total_connections — Get the total number of connections in the entire network
  • fann_get_total_neurons — Get the total number of neurons in the entire network
  • fann_get_train_error_function — Returns the error function used during training
  • fann_get_train_stop_function — Returns the stop function used during training
  • fann_get_training_algorithm — Returns the training algorithm
  • fann_init_weights — Initialize the weights using Widrow + Nguyen’s algorithm
  • fann_length_train_data — Returns the number of training patterns in the train data
  • fann_merge_train_data — Merges the train data
  • fann_num_input_train_data — Returns the number of inputs in each of the training patterns in the train data
  • fann_num_output_train_data — Returns the number of outputs in each of the training patterns in the train data
  • fann_print_error — Prints the error string
  • fann_randomize_weights — Give each connection a random weight between min_weight and max_weight
  • fann_read_train_from_file — Reads a file that stores training data
  • fann_reset_errno — Resets the last error number
  • fann_reset_errstr — Resets the last error string
  • fann_reset_MSE — Resets the mean square error from the network
  • fann_run — Запускает нейронную сеть с заданными данными
  • fann_save_train — Save the training structure to a file
  • fann_save — Saves the entire network to a configuration file
  • fann_scale_input_train_data — Scales the inputs in the training data to the specified range
  • fann_scale_input — Scale data in input vector before feed it to ann based on previously calculated parameters
  • fann_scale_output_train_data — Scales the outputs in the training data to the specified range
  • fann_scale_output — Scale data in output vector before feed it to ann based on previously calculated parameters
  • fann_scale_train_data — Scales the inputs and outputs in the training data to the specified range
  • fann_scale_train — Scale input and output data based on previously calculated parameters
  • fann_set_activation_function_hidden — Sets the activation function for all of the hidden layers
  • fann_set_activation_function_layer — Sets the activation function for all the neurons in the supplied layer
  • fann_set_activation_function_output — Sets the activation function for the output layer
  • fann_set_activation_function — Sets the activation function for supplied neuron and layer
  • fann_set_activation_steepness_hidden — Sets the steepness of the activation steepness for all neurons in the all hidden layers
  • fann_set_activation_steepness_layer — Sets the activation steepness for all of the neurons in the supplied layer number
  • fann_set_activation_steepness_output — Sets the steepness of the activation steepness in the output layer
  • fann_set_activation_steepness — Sets the activation steepness for supplied neuron and layer number
  • fann_set_bit_fail_limit — Set the bit fail limit used during training
  • fann_set_callback — Sets the callback function for use during training
  • fann_set_cascade_activation_functions — Sets the array of cascade candidate activation functions
  • fann_set_cascade_activation_steepnesses — Sets the array of cascade candidate activation steepnesses
  • fann_set_cascade_candidate_change_fraction — Sets the cascade candidate change fraction
  • fann_set_cascade_candidate_limit — Sets the candidate limit
  • fann_set_cascade_candidate_stagnation_epochs — Sets the number of cascade candidate stagnation epochs
  • fann_set_cascade_max_cand_epochs — Sets the max candidate epochs
  • fann_set_cascade_max_out_epochs — Sets the maximum out epochs
  • fann_set_cascade_min_cand_epochs — Sets the min candidate epochs
  • fann_set_cascade_min_out_epochs — Sets the minimum out epochs
  • fann_set_cascade_num_candidate_groups — Sets the number of candidate groups
  • fann_set_cascade_output_change_fraction — Sets the cascade output change fraction
  • fann_set_cascade_output_stagnation_epochs — Sets the number of cascade output stagnation epochs
  • fann_set_cascade_weight_multiplier — Устанавливает множитель веса
  • fann_set_error_log — Устанавливает, где регистрируются ошибки
  • fann_set_input_scaling_params — Рассчитывает входные параметры масштабирования для будущего использования на основе данных обучения
  • fann_set_learning_momentum — Устанавливает импульс обучения
  • fann_set_learning_rate — Устанавливает скорость обучения
  • fann_set_output_scaling_params — Рассчитывает выходные параметры масштабирования для будущего использования на основе данных обучения
  • fann_set_quickprop_decay — Sets the quickprop decay factor
  • fann_set_quickprop_mu — Sets the quickprop mu factor
  • fann_set_rprop_decrease_factor — Устанавливает коэффициент уменьшения, используемый во время обучения RPROP
  • fann_set_rprop_delta_max — Устанавливает максимальный размер шага
  • fann_set_rprop_delta_min — Устанавливает минимальный размер шага
  • fann_set_rprop_delta_zero — Устанавливает начальный размер шага
  • fann_set_rprop_increase_factor — Устанавливает коэффициент увеличения, используемый во время обучения Rprop
  • fann_set_sarprop_step_error_shift — Устанавливает сдвиг ошибки шага sarprop
  • fann_set_sarprop_step_error_threshold_factor — Устанавливает пороговый коэффициент ошибки шага sarprop
  • fann_set_sarprop_temperature — Устанавливает температуру sarprop
  • fann_set_sarprop_weight_decay_shift — Устанавливает смещение затухания sarprop
  • fann_set_scaling_params — Рассчитывает входные и выходные параметры масштабирования для будущего использования на основе данных обучения
  • fann_set_train_error_function — Устанавливает функцию ошибки, используемую во время тренировки
  • fann_set_train_stop_function — Устанавливает функцию остановки, используемую во время тренировки
  • fann_set_training_algorithm — Устанавливает алгоритм обучения
  • fann_set_weight_array — Создание связей в сети
  • fann_set_weight — Создание связи в сети
  • fann_shuffle_train_data — Перемешивает обучающие данные в случайном порядке
  • fann_subset_train_data — Получить копию подмножества из обучающих данных
  • fann_test_data — Тестирование набора обучающих данных и вычисление MSE для него
  • fann_test — Тестирование с набором входных данных и желаемым результатом
  • fann_train_epoch — Обучение в течение одной эпохи
  • fann_train_on_data — Обучение на всем объеме данных на временном интервале
  • fann_train_on_file — Обучение на полном наборе данных, прочитанном из файла, на временном интервале
  • fann_train — Провести одну итерацию обучения с набором входных данных и желаемым результатом
• FANNConnection — Класс FANNConnection
  • FANNConnection::__construct — Конструктор связи
  • FANNConnection::getFromNeuron — Возвращает позицию стартового нейрона
  • FANNConnection::getToNeuron — Возвращает позицию конечного нейрона
  • FANNConnection::getWeight — Возвращает вес связи
  • FANNConnection::setWeight — Устанавливает вес связи