FANN (快速人工神经网络)

• 简介
• 安装／配置
  • 需求
  • 安装
  • 运行时配置
  • 资源类型
• 预定义常量
• 范例
  • XOR (异或)训练
• Fann 函数
  • fann_cascadetrain_on_data — 在整个数据集上训练，使用一段时间的 Cascade2 训练算法。
  • fann_cascadetrain_on_file — 读取文件并在整个数据集上训练，使用 Cascade2 训练算法训练一段时间。
  • fann_clear_scaling_params — 清除缩放参数
  • fann_copy — 创建一个 fann 结构体的副本。
  • fann_create_from_file — 从配置文件中构建一个反向传播神经网络。
  • fann_create_shortcut_array — 创建一个含快捷连接而非全连接的标准反向传播神经网络。
  • fann_create_shortcut — 创建一个含快捷连接而非全连接的标准反向传播神经网络。
  • fann_create_sparse_array — 创建一个标准的反向传播神经网络，该网络使用一个表示每层大小的数组来构造，但是并不是全连接的。
  • fann_create_sparse — 创建一个标准的反向传播神经网络，该网络不是全连接。
  • fann_create_standard_array — 创建一个全连接的反向传播神经网络，该网络使用一个表示每层大小的数组来构造。
  • fann_create_standard — 创建标准的全连接反向传播神经网络。
  • fann_create_train_from_callback — 从用户提供的函数创建训练数据结构。
  • fann_create_train — 创建一个空的训练数据结构。
  • fann_descale_input — 在获取基于先前计算的参数之后，在输入向量中缩小数据
  • fann_descale_output — 在获取基于先前计算的参数之后，在输出向量中缩小数据
  • fann_descale_train — 基于先前计算的参数来缩小输入和输出数据
  • fann_destroy_train — 销毁训练数据。
  • fann_destroy — 销毁整个网络并且适当地释放所有的关联内存。
  • fann_duplicate_train_data — 返回 fann 训练数据精确的副本。
  • fann_get_activation_function — 返回激励函数
  • fann_get_activation_steepness — 为提供的神经和网络层数返回激活陡度
  • fann_get_bias_array — 获取网络中每一层的偏差数
  • fann_get_bit_fail_limit — 返回训练期间使用的误差限制
  • fann_get_bit_fail — 失败位的数量
  • fann_get_cascade_activation_functions_count — 返回级联激活函数的数量
  • fann_get_cascade_activation_functions — 返回级联激活函数
  • fann_get_cascade_activation_steepnesses_count — 激活陡度的数量
  • fann_get_cascade_activation_steepnesses — 返回级联激活陡度
  • fann_get_cascade_candidate_change_fraction — 返回级联候选变化分数
  • fann_get_cascade_candidate_limit — 返回候选限度
  • fann_get_cascade_candidate_stagnation_epochs — 返回层叠候选停滞周期的数量
  • fann_get_cascade_max_cand_epochs — 返回候选周期的最大值
  • fann_get_cascade_max_out_epochs — 返回输出周期的最大值
  • fann_get_cascade_min_cand_epochs — 返回最小的候选周期
  • fann_get_cascade_min_out_epochs — 返回最小输出周期
  • 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量
  • fann_get_cascade_output_change_fraction — 返回级联输出变化分数
  • fann_get_cascade_output_stagnation_epochs — 返回级联输出停滞周期的数量
  • fann_get_cascade_weight_multiplier — 返回权重因子
  • fann_get_connection_array — 获取网络中的连接。
  • fann_get_connection_rate — 获取当网络创建时连接的使用率。
  • fann_get_errno — 返回最后一个错误数字。
  • fann_get_errstr — 返回最后的错误字符串。
  • fann_get_layer_array — 获取网络中每层的神经元数量。
  • fann_get_learning_momentum — 返回学习动量
  • fann_get_learning_rate — 返回学习速率
  • fann_get_MSE — 从网络中读取均方误差。
  • fann_get_network_type — 获取所创建的神经网络类型。
  • fann_get_num_input — 获取输入神经元的数量。
  • fann_get_num_layers — 获取神经网络的层数。
  • fann_get_num_output — 获取输出神经元的数量。
  • fann_get_quickprop_decay — 返回衰退值，用于在 quickprop 训练迭代时衰减权重
  • fann_get_quickprop_mu — 返回放大系数
  • fann_get_rprop_decrease_factor — 返回 RPROP 训练期间的衰减系数
  • 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 训练的递增系数
  • fann_get_sarprop_step_error_shift — 返回 sarprop 步值的误差偏移
  • fann_get_sarprop_step_error_threshold_factor — 返回 sarprop 算法步值的误差阈值系数
  • fann_get_sarprop_temperature — 返回 sarprop 算法温度
  • fann_get_sarprop_weight_decay_shift — 返回 sarprop 算法权重衰减变化值
  • fann_get_total_connections — 获取整个网络中所有的连接数。
  • fann_get_total_neurons — 获取整个网络中神经元的数量。
  • fann_get_train_error_function — 返回训练中使用的错误函数。
  • fann_get_train_stop_function — 返回训练中使用的停止函数。
  • fann_get_training_algorithm — 返回训练算法。
  • fann_init_weights — 使用 Widrow 和 Nguyen 算法初始化权重。
  • fann_length_train_data — 返回训练数据中训练模式的数量。
  • 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输入的数量。
  • fann_num_output_train_data — 返回训练数据中每个训练模式输出的数量。
  • fann_print_error — 打印错误字符串。
  • fann_randomize_weights — 给每个连接赋一个介于 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 — 重置最后的错误代码。
  • fann_reset_errstr — 重置最后的错误字符串。
  • fann_reset_MSE — 重置网络中的均方误差。
  • fann_run — 将通过神经网络运行输入。
  • fann_save_train — 将训练结构体保存至文件。
  • fann_save — 将整个网络保存至配置文件。
  • fann_scale_input_train_data — 在训练数据中缩放输入至指定范围
  • fann_scale_input — 在以前计算参数的基础上，在训练之前放大输入向量中的数据
  • fann_scale_output_train_data — 在训练数据中缩放输出至指定范围
  • fann_scale_output — 在以前计算参数的基础上，在训练之前放大输出向量中的数据
  • fann_scale_train_data — 在训练数据中缩放输入和输出到指定的范围
  • fann_scale_train — 在以前计算参数的基础上，缩放输入和输出数据
  • fann_set_activation_function_hidden — 为所有隐藏层设置激活函数
  • fann_set_activation_function_layer — 为已应用的层中所有的神经元设置激活函数。
  • fann_set_activation_function_output — 为输出层设置激活函数
  • fann_set_activation_function — 为已应用的神经元和层设置激活函数
  • fann_set_activation_steepness_hidden — 为所有隐藏层中所有的神经元设置激活函数陡度
  • fann_set_activation_steepness_layer — 为提供的层中所有的神经元设置激活陡度
  • fann_set_activation_steepness_output — 在输出层中设置激活陡度
  • fann_set_activation_steepness — 为提供的神经元和层设置激活陡度
  • fann_set_bit_fail_limit — 设置训练期间使用的误差
  • 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的数组
  • fann_set_cascade_activation_steepnesses — 设置级联候选激活陡度的数组。
  • fann_set_cascade_candidate_change_fraction — 设置级联候选更改分数
  • fann_set_cascade_candidate_limit — 设置候选限度
  • fann_set_cascade_candidate_stagnation_epochs — 设置级联候选停止周期数
  • fann_set_cascade_max_cand_epochs — 设置最大候选周期数
  • fann_set_cascade_max_out_epochs — 设置最大输出周期
  • fann_set_cascade_min_cand_epochs — 设置最小候选周期
  • fann_set_cascade_min_out_epochs — 设置最小输出周期
  • fann_set_cascade_num_candidate_groups — 设置候选组数量
  • fann_set_cascade_output_change_fraction — 设置级联输出改变分数
  • fann_set_cascade_output_stagnation_epochs — 设置级联输出停滞周期的值
  • fann_set_cascade_weight_multiplier — 设置权重因子
  • fann_set_error_log — 设置错误记录保存的位置。
  • fann_set_input_scaling_params — 根据训练数据计算将来使用的输入比例参数
  • fann_set_learning_momentum — 设置学习动量。
  • fann_set_learning_rate — 设置学习速率。
  • fann_set_output_scaling_params — 根据训练数据计算将来使用的输出缩放参数
  • fann_set_quickprop_decay — 设置quickprop算法衰减因子
  • fann_set_quickprop_mu — 设置 quickprop 算法放大因子
  • fann_set_rprop_decrease_factor — 使用 RPROP 算法训练时，设置下降因子
  • 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 — 使用 RPROP 算法训练时，设置增长因子
  • fann_set_sarprop_step_error_shift — 设置 sarprop 算法的步误差偏移量
  • fann_set_sarprop_step_error_threshold_factor — 设置 sarprop 算法的步误差阈值因子
  • fann_set_sarprop_temperature — 设置 sarprop 算法的温度
  • fann_set_sarprop_weight_decay_shift — 设置 sarprop 算法的权重衰减偏移值
  • fann_set_scaling_params — 根据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错误函数。
  • 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_array — 在网络中设置一个连接。
  • fann_set_weight — 在网络中设置一个连接。
  • fann_shuffle_train_data — 打算训练数据，使顺序随机。
  • fann_subset_train_data — 返回一个训练数据子集的副本。
  • fann_test_data — 使用训练数据来测试并且计算出 MSE .
  • fann_test — 使用一组输入和一组期望的输出来测试。
  • fann_train_epoch — 使用一组训练数据训练一个周期。
  • fann_train_on_data — 在整个数据集上训练一段时间。
  • fann_train_on_file — 在从某个文件读取的整个数据集上训练一段时间。
  • fann_train — 使用一个输入集和一个期望的输出集来迭代训练一次。
• FANNConnection — FANNConnection 类
  • FANNConnection::__construct — 连接构造器
  • FANNConnection::getFromNeuron — 返回开始连接的神经元。
  • FANNConnection::getToNeuron — 返回终止神经元的位置。
  • FANNConnection::getWeight — 返回连接权重。
  • FANNConnection::setWeight — 设置连接权重。