原创力文档- 1、本文档共16页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
快速神经网络在上的绑定视神经传导分层介绍主要特点开发多层易用快速多参数易调节支持多种方法主要语言种类计算相关的下载及安装获取软件包环境开发工具环境安装命令之参数参数例程中的结构遗留问题版本类型的支持目前在还不能解析类型图形化显示结构图形化显示训练过程适用局限性训练时间长人工神经网络需要长时间的训练有时可能使之变得不实用大多数简单问题的网络训练需要至少上千次迭代复杂问题的训练可能需要多达数万次迭代需大量训练数据只有少量输入输出数据一般不考虑使用人工神经网络不能保证最佳结果训练可能导致网络发生偏离使
libfann R binding
快速神经网络在R上的绑定
视神经传导分层
Picture from Simon. Thorpe
Nerual Network
Activation Function
libfann 介绍
主要特点：
C开发、多层、易用、快速、多参数易调节
支持NN BP 多种方法 （RPROP, Quickprop, Batch, Incremental)
主要语言种类：
C++、Java、Ada、PERL、PHP、Python、Ruby、Visual Prolog 7
计算相关的：
Mathematica、Matlab、Octave
rfann下载及安装
获取软件包： /projects/rfann/
*NIX 环境，gcc 开发工具环境
安装命令
R CMD INSTALL ./fann.tgz
rfann 之 R API
fann_create
fann_SetOpt
fann_opts
fann_Commit
fann_train
fann_test
fann_save
fann_read
fann_version_info
rfann参数
[1] ------------------------------------------------------------
[2] network type [ LAYER | SHORTCUT ] Cant be set
[3] network_type=FANN_NETTYPE_LAYER
[5] ------------------------------------------------------------
[6] ann type [ Simple | Cascade | Expand | Sparse ] For Create
[9] -------------------- Basic parameters --------------------
[10] init_weight=Init
[11] num_layers=2
[12]
[13] num_input=2
[14] num_output=1
[15] num_neurons_hidden=3
[16] desired_error=0.002000
[17] -------------------- Expand parameters --------------------
[18] randomize_weight_high=0.350000
[19] randomize_weight_low=0.350000
[20] learning_rate=0.700000
文档评论（0）