Brain.js
Brain.js to biblioteka JavaScript, która ułatwia zrozumienie sieci neuronowych, ponieważ ukrywa złożoność matematyki.
Budowanie sieci neuronowej
Budowanie sieci neuronowej za pomocą Brain.js:
Przykład:
// Create a Neural Network
const network = new brain.NeuralNetwork();
// Train the Network with 4 input objects
network.train([
{input:[0,0], output:{zero:1}},
{input:[0,1], output:{one:1}},
{input:[1,0], output:{one:1},
{input:[1,1], output:{zero:1},
]);
// What is the expected output of [1,0]?
result = network.run([1,0]);
// Display the probability for "zero" and "one"
... result["one"] + " " + result["zero"];
Przykład wyjaśniony:
Sieć neuronowa jest tworzona za pomocą: new brain.NeuralNetwork()
Sieć jest szkolona z network.train([examples])
Przykłady reprezentują 4 wartości wejściowe z odpowiednią wartością wyjściową.
Z network.run([1,0]), pytasz "Jakie jest prawdopodobne wyjście [1,0]?"
Odpowiedź z sieci brzmi:
- jeden: 93% (blisko 1)
- zero: 6% (blisko 0)
Jak przewidzieć kontrast
W CSS kolory można ustawić za pomocą RGB:
Przykład
| Color | RGB |
|---|---|
| Black | RGB(0,0,0) |
| Yellow | RGB(255,255,0) |
| Red | RGB(255,0,0) |
| White | RGB(255,255,255) |
| Light Gray | RGB(192,192,192) |
| Dark Gray | RGB(65,65,65) |
Poniższy przykład pokazuje, jak przewidzieć ciemność koloru:
Przykład:
// Create a Neural Network
const net = new brain.NeuralNetwork();
// Train the Network with 4 input objects
net.train([
// White RGB(255, 255, 255)
{input:[255/255, 255/255, 255/255], output:{light:1}},
// Light grey (192,192,192)
{input:[192/255, 192/255, 192/255], output:{light:1}},
// Darkgrey (64, 64, 64)
{ input:[65/255, 65/255, 65/255], output:{dark:1}},
// Black (0, 0, 0)
{ input:[0, 0, 0], output:{dark:1}},
]);
// What is the expected output of Dark Blue (0, 0, 128)?
let result = net.run([0, 0, 128/255]);
// Display the probability of "dark" and "light"
... result["dark"] + " " + result["light"];
Przykład wyjaśniony:
Sieć neuronowa jest tworzona za pomocą: new brain.NeuralNetwork()
Sieć jest szkolona z network.train([examples])
Przykłady reprezentują 4 wartości wejściowe i odpowiednią wartość wyjściową.
W przypadku network.run([0,0,128/255])pytasz „Jakie jest prawdopodobne wyjście ciemnoniebieskiego?”
Odpowiedź z sieci brzmi:
- Ciemny: 95%
- Światło: 4%
Dlaczego nie edytować przykładu, aby przetestować prawdopodobny wynik koloru żółtego lub czerwonego?