Для тех кто изучает нейросеть возможно будет полезно.
Это более менее универсальная библиотека.
Есть возможность указать количество слоев, количество нейронов в каждом слое
Вводим данные в первый слой >>> получаем данные с последнего слоя
При обучении сети не указывается правильный ответ, то есть мы указываем только то устраивает нас результат или нет (данный момент можно переписать)
Это песочница, но буду развивать дальше.
Declare.f Activation(res.f)
Structure connection
weight_delta.f
weight.f
result.f
EndStructure
Structure neuron
error.f
result.f
List connection.connection()
EndStructure
Structure layer
List neuron.neuron()
EndStructure
Global NewList layer.layer()
Procedure.f Activation(res.f)
res = 1/(1+Pow(3,-res))
ProcedureReturn res
EndProcedure
Procedure CreateLayer(count)
If ListSize(layer()) > #False
SelectElement(layer(),ListSize(layer())-#True)
ForEach(layer()\neuron())
For i = #True To count
AddElement(layer()\neuron()\connection())
Next
Next
EndIf
AddElement(layer())
For i = #True To count
AddElement(layer()\neuron())
Next
EndProcedure
Procedure Save(file$)
WriteInteger(0,ListSize(layer()))
ForEach layer()
WriteInteger(0,ListSize(layer()\neuron()))
ForEach layer()\neuron()
WriteInteger(0,ListSize(layer()\neuron()\connection()))
ForEach layer()\neuron()\connection()
WriteFloat(0,layer()\neuron()\connection()\weight)
Next
Next
Next
EndProcedure
Procedure Open(file$)
If OpenFile(0,file$)
layer_count = ReadInteger(0)
For i = #True To layer_count
AddElement(layer())
neuron_count = ReadInteger(0)
For in = #True To neuron_count
AddElement(layer()\neuron())
connection_count = ReadInteger(0)
For ind = #True To connection_count
AddElement(layer()\neuron()\connection())
layer()\neuron()\connection()\weight = ReadFloat(0)
Next
Next
Next
CloseFile(0)
EndIf
EndProcedure
Procedure Learning(error,learning_rate.f)
For i = ListSize(layer()) - #True To #False Step -#True
SelectElement(layer(),i)
ForEach layer()\neuron()
If i = ListSize(layer()) - #True
If error = #True
If layer()\neuron()\result >= 0.5
layer()\neuron()\error = - layer()\neuron()\result
Else
layer()\neuron()\error = #True - layer()\neuron()\result
EndIf
Else
If layer()\neuron()\result >= 0.5
layer()\neuron()\error = #True - layer()\neuron()\result
Else
layer()\neuron()\error = - layer()\neuron()\result
EndIf
EndIf
Else
weight_delta_error.f = #False
ForEach layer()\neuron()\connection()
If weight_delta_error < layer()\neuron()\connection()\weight_delta
weight_delta_error = layer()\neuron()\connection()\weight_delta
EndIf
Next
layer()\neuron()\error = layer()\neuron()\result * weight_delta_error
EndIf
weight_delta.f = layer()\neuron()\error * layer()\neuron()\result * (#True - layer()\neuron()\result)
If i>#False
neuron_index = ListIndex(layer()\neuron())
SelectElement(layer(),i-#True)
ForEach layer()\neuron()
SelectElement(layer()\neuron()\connection(),neuron_index)
layer()\neuron()\connection()\weight_delta = weight_delta
layer()\neuron()\connection()\weight = layer()\neuron()\connection()\weight - layer()\neuron()\result * weight_delta * learning_rate
Next
SelectElement(layer(),i)
SelectElement(layer()\neuron(),neuron_index)
EndIf
Next
Next
EndProcedure
Procedure EnterValue(index,value.f)
SelectElement(layer(),#False)
SelectElement(layer()\neuron(),index): layer()\neuron()\result = value
EndProcedure
Procedure.f ReadValue(index)
If index = #False
ForEach layer()
layer_index = ListIndex(layer())
ForEach layer()\neuron()
If layer_index > #False
neuron_index = ListIndex(layer()\neuron())
SelectElement(layer(),layer_index - #True)
Summa = #False
ForEach layer()\neuron()
SelectElement(layer()\neuron()\connection(),neuron_index)
Summa = Summa + layer()\neuron()\connection()\result
Next
SelectElement(layer(),layer_index)
SelectElement(layer()\neuron(),neuron_index)
layer()\neuron()\result = Activation(Summa)
EndIf
ForEach layer()\neuron()\connection()
layer()\neuron()\connection()\result = layer()\neuron()\connection()\weight * layer()\neuron()\result
Next
Next
Next
EndIf
SelectElement(layer(),ListSize(layer()) - #True)
SelectElement(layer()\neuron(),index)
ProcedureReturn layer()\neuron()\result
EndProcedure
;Создаем слои с указанным количеством нейронов
;CreateLayer(3) первый слой с тремя нейронами
;CreateLayer(5) второй слой с пятью нейронами
;CreateLayer(2) третий слой с двумя нейронами
;Вносим входные данные следующим образом
;EnterValue(0,0.7) первый входной нейрон
;EnterValue(1,0.9) второй входной нейрон
;EnterValue(2,0.2) третий входной нейрон
;После получаем данные
;ReadValue(0) первый выходной нейрон
;ReadValue(1) второй выходной нейрон
;Learning(#True,0.1) #True указывает сети наличие ошибки, 0.1 параметр (в диапазоне от 0.1 до 0.9) указывает насколько "сильно" сеть должна учесть ошибку
;Сохранить сеть в файл Save(file$)
;Открыть сеть из файл Open(file$)