Bitte geben Sie mir eine Methodik, um diese Aufgabe mit neuronalen Netzwerk zu erreichen. -> zur Eingabe von Werten in das neuronale Netzwerk -> das neuronale Netz mitResume shortlisting mit Neural Network
Antwort
Haben Sie in TensorFlow sehen, Googles Open-Source-Neural Network-Bibliothek? They support recurrent neural networks, was es klingt wie du beschreibst.
Ich bemerkte das Java-Tag in Ihrer Frage; Leider ist TensorFlow eine Python-Bibliothek. Bei Bedarf können Sie die Gewichte und Verzerrungen des Modells aus TensorFlow exportieren und das trainierte Netzwerk in Java rekonstruieren. Ich bin mir nicht sicher, ob es existierende Java-Werkzeuge zum Rekonstruieren von rekurrenten neuronalen Netzwerken gibt, aber es ist von vornherein machbar.
EDIT (Details auf neuronalen Netzen Zusammenbauen):
Siehe here Ausführliche Informationen zum Druck/Ihre Gewichte und Vorurteile aus TensorFlow Speicher (I gab vor kurzem eine Frage über das Thema, und erhielt eine hilfreiche Antwort). Wie für das Netzwerk in Java Modellierung, hier einige unvollständige Python Code, den ich für einen Feed-Forward (einmalig) Netzwerk geschrieben, die Sie in Java „übersetzen“ können und für Ihre eigenen Bedürfnisse anpassen:
import numpy as np
#I copied this function from an answer here:
#https://stackoverflow.com/questions/34968722/softmax-function-python
def softmax(values):
values = [x for x in values]
return np.exp(values)/np.sum(np.exp(values), 0)
def rectify(ls):
values = ls
for i in range(len(values)):
values[i] = values[i] * (values[i] > 0)
return values
class Neuron:
def __init__(self, weights, bias):
self.weights = weights
self.bias = bias
def compute(self, inputs):
sum = self.bias
for i in range(len(inputs)):
sum += self.weights[i] * inputs[i]
return sum
class Layer:
def __init__(self, weightSets, biases):
self.neurons = []
for i in range(len(weightSets)):
neuron = Neuron(weightSets[i], biases[i])
self.neurons.append(neuron)
def compute(self, inputs):
outputs = []
for neuron in self.neurons:
outputs.append(neuron.compute(inputs))
return outputs
def networkCompute(inputs):
global layer1, layer2, layer3
v = rectify(layer1.compute(inputs))
v = rectify(layer2.compute(v))
return softmax(layer3.compute(v))
Wenn ich das neurale Netzwerk von Grund auf neu aufbauen soll, könntest du mir etwas zur Verfügung stellen, das sich auf das Speichern von trainierter NN, das Laden von trainierter NN und das Verwenden des neuronalen Netzwerks bezieht? – jee1tha
- 1. Neural Network schlechte Konvergenz
- 2. Convolution Neural Network Konfiguration
- 3. Simple Recurrent Neural Network Eingabeform
- 4. Neural Network Größe für Animationssystem
- 5. Python Neural Network Reinforcement Learning
- 6. Neural Network-Implementierung in Java
- 7. Formerkennung Neural Network schlechte Leistung
- 8. MSE während Neural Network Training
- 9. Zeitreihenanalyse mit Convolutional Neural Network von mxnet
- 10. Gebäude Convolutional Neural Network mit großen Bildern?
- 11. OpenCV Combining SURF mit Neural Network
- 12. Neural Network Neurons ausgegeben Zahlen> 1
- 13. - Ist es möglich, ein ausgebildeter Neural Network
- 14. R Neural Network Package - was zeigt net.result?
- 15. Verstehen Neural Network Basics auf kleinen Spielbeispiel
- 16. Reduzierung der Filtergröße in Convolutional Neural Network
- 17. Neural Network Inception v3 erstellt keine Labels
- 18. Neural Network Ordinal Classification für das Alter
- 19. Pybrain Neural Network nicht richtig trainieren
- 20. Frage zu neural network matlab code
- 21. Tensorflow: Recurrent Neural Network Batch Training
- 22. 3D Faltungs Neural Network Eingang Form
- 23. ein Neural Network in Matlab/Octave Implementierung
- 24. Multilayered Neural Network Zurück Propagation Erklärung
- 25. Geringe Genauigkeit in Deep Neural Network mit Tensorflow
- 26. Auswahl der Mini-Batch-Größe für Neural Network Regression
- 27. Wie funktioniert Backpropagation im Convolutional Neural Network (CNN)?
- 28. Warum verhindert ein Aussetzer die Konvergenz im Convolutional Neural Network?
- 29. Sind moderne CNN (convolutional neural network) als DetectNet rotierend invariant?
- 30. Verfügt Convolutional Neural Network über Lokalisierungsfähigkeiten auf Bildern?
wahrscheinlich Sie wollen etwas Wesentlicheres wie Keyword-Matching zu betrachten. Und diese Seite ist für das Beantworten bestimmter Fragen, nachdem Sie etwas über Ihren Won geforscht haben, da diese Frage viel zu weit gefasst ist. – lgaud
@Igaud Ich habe tatsächlich etwas recherchiert. Ich würde gerne einen Weg kennen, um die Eingaben eines Algorithmus oder einer Bibliothek zu normalisieren, so dass sie in das neuronale Netzwerk eingegeben werden könnten und wie das trainierte neuronale Netzwerk gespeichert und erneut geladen werden könnte. – jee1tha