Нейросетевое программирование. Инструментарий нейрокомпьютинга

resize (count);

}

else

{

AbortScript ();

}

}

Создание входных нейронов по данным, содержащимся в mbl-файле

// Create the I/O neurons of the net using a MemBrain lesson file

void CreateIOFromMbl ()

{

string lessonFileName;

if (FileOpenDlg («Select Lesson File», «mbl», «», lessonFileName) == IDOK)

{

// Load the lesson into #1 (delete all other lessons)

SetLessonCount (1);

LoadLesson (lessonFileName);

gInputCount = GetLessonInputCount ();

gOutputCount = GetLessonOutputCount ();

if (gInputCount> gMaxCountPerLayer)

{

MessageBox («Too many input columns in lesson!»);

AbortScript ();

}

else if (gOutputCount> gMaxCountPerLayer)

{

MessageBox («Too many output columns in lesson!»);

AbortScript ();

}

// Now we tell the editor to actually create the input and output neurons.

// The number of hidden layers is required here to leave space for them.

Это пример дискуссии с компьютером о способе создания базового компьютера с использованием mbl-файла

// Create net based on lesson or manual input?

if (MessageBox («Do you want to create the net based on a MemBrain lesson file?», MB_YESNO) == IDYES)

{

gUseLesson = true;

CreateIOFromMbl ();

}

else

{

CreateIOFromUserInput ();

}

Здесь выводится сообщение с запросом ответа Да или Нет.

При проверке очередного условия может проявиться превышение ожидаемого параметра:

{

if (count> gMaxHidLayerCount)

{

MessageBox («Too many hidden layers!»);

AbortScript ();

}

Тогда выводится сообщение о чрезмерном количестве скрытых файлов.

При удовлетворительном ответе:

// Success. Adjust the size of the hidden layer array now.

gHidLayers.resize (count);

}

Группирование нейросетей в нейроконструкции

(Перевод фрагментов архива «MemBrainExamples». )

До сих пор мы работали с нейропакетом каждый раз преимущественно – только с одной нейросетью.

При работе с нейросетевыми конструкциями необходимо работать одновременно с несколькими нейросетями, одновременно находящимися на экране, переключаясь между ними. Такая возможность достигается за счёт группирования нейросетей.

Можно определить отношения разных типов между группами нейронов в сети. Это позволяет определять подсети внутри сети, которые затем могут обучаться отдельно с использованием различных алгоритмов и наборов данных.