【JAVA】神经网络的基本结构和前向传播算法

前些天发现了一个巨牛的人工智能学习网站,通俗易懂,风趣幽默,

忍不住分享一下给大家。点击跳转到网站

学习总结

1、掌握 JAVA入门到进阶知识(持续写作中......)

2、学会Oracle数据库入门到入土用法(创作中......)

3、手把手教你开发炫酷的vbs脚本制作(完善中......)

4、牛逼哄哄的 IDEA编程利器技巧(编写中......)

5、面经吐血整理的 面试技巧(更新中......)

markdown

简单的神经网络示例(Java)

在这个示例中,我们将创建一个简单的神经网络,用于理解神经网络的基本结构和前向传播算法。我们将使用Java来实现一个基本的两层神经网络(一个输入层,一个隐藏层,一个输出层)。

1. 准备工作

首先,确保你已经安装了Java开发环境(JDK)。我们将使用标准的Java库来实现这个示例,不需要额外的依赖。

2. 定义神经网络类

我们将定义一个简单的神经网络类,包含输入层、隐藏层和输出层的基本结构。为了简单起见,我们将使用随机初始化权重和偏置,并且使用Sigmoid激活函数。

2.1 定义神经网络类

public class SimpleNeuralNetwork {

private double[][] weightsInputHidden;

private double[] biasHidden;

private double[][] weightsHiddenOutput;

private double biasOutput;

复制代码
public SimpleNeuralNetwork(int inputSize, int hiddenSize, int outputSize) {
    // 随机初始化权重和偏置
    weightsInputHidden = new double[inputSize][hiddenSize];
    for (int i = 0; i < inputSize; i++) {
        for (int j = 0; j < hiddenSize; j++) {
            weightsInputHidden[i][j] = Math.random();
        }
    }
    biasHidden = new double[hiddenSize];
    for (int i = 0; i < hiddenSize; i++) {
        biasHidden[i] = Math.random();
    }
    
    weightsHiddenOutput = new double[hiddenSize][outputSize];
    for (int i = 0; i < hiddenSize; i++) {
        for (int j = 0; j < outputSize; j++) {
            weightsHiddenOutput[i][j] = Math.random();
        }
    }
    biasOutput = Math.random();
}

// Sigmoid激活函数
private double sigmoid(double x) {
    return 1 / (1 + Math.exp(-x));
}

// 前向传播
public double[] forward(double[] inputs) {
    double[] hiddenLayerOutputs = new double[weightsInputHidden[0].length];
    for (int i = 0; i < hiddenLayerOutputs.length; i++) {
        double sum = biasHidden[i];
        for (int j = 0; j < inputs.length; j++) {
            sum += inputs[j] * weightsInputHidden[j][i];
        }
        hiddenLayerOutputs[i] = sigmoid(sum);
    }

    double[] outputLayerOutputs = new double[weightsHiddenOutput[0].length];
    for (int i = 0; i < outputLayerOutputs.length; i++) {
        double sum = biasOutput;
        for (int j = 0; j < hiddenLayerOutputs.length; j++) {
            sum += hiddenLayerOutputs[j] * weightsHiddenOutput[j][i];
        }
        outputLayerOutputs[i] = sigmoid(sum);
    }

    return outputLayerOutputs;
}

public static void main(String[] args) {
    // 示例:输入层有2个神经元,隐藏层有2个神经元,输出层有1个神经元
    SimpleNeuralNetwork nn = new SimpleNeuralNetwork(2, 2, 1);

    // 示例输入
    double[] input = {0.5, 0.3};

    // 前向传播
    double[] output = nn.forward(input);

    // 输出结果
    System.out.println("Output: " + output[0]);
}

往期文章

 第一章:日常_JAVA_面试题集(含答案)
 第二章:日常_JAVA_面试题集(含答案)

平安壹钱包JAVA面试官:请你说一下Mybatis的实现原理

Java必备面试-热点-热门问题精华核心总结-推荐
 往期文章大全......

一键三连 一键三连 一键三连~

更多内容,点这里❤

相关推荐
点云侠1 小时前
解决Visual Studio 2022编译工程速度慢的问题
开发语言·c++·ide·算法·计算机视觉·visual studio
THMAIL1 小时前
深度学习从入门到精通 - 迁移学习实战:用预训练模型解决小样本难题
人工智能·python·深度学习·算法·机器学习·迁移学习
Java中文社群2 小时前
面试官:如何实现动态线程池的任务编排?
java·后端·面试
.鱼子酱2 小时前
机器学习 - 使用 ID3 算法从原理到实际举例理解决策树
算法·决策树·机器学习
lozhyf2 小时前
能发弹幕的简单视频网站
java·spring boot·后端
微露清风2 小时前
系统性学习数据结构-第三讲-栈和队列
java·数据结构·学习
AAA修煤气灶刘哥2 小时前
ES 地理查询玩明白,产品要的 “附近的店” 再也难不倒我!(附 DSL+Java 实战)
java·后端·elasticsearch
Q741_1472 小时前
C++ 前缀和 高频笔试考点 实用技巧 牛客 DP34 [模板] 前缀和 题解 每日一题
开发语言·c++·算法·前缀和·牛客网
十八旬2 小时前
苍穹外卖项目实战(day-5完整版)-记录实战教程及问题的解决方法
java·开发语言·spring boot·redis·mysql
m0_749299953 小时前
Nginx主配置文件
java·服务器·nginx