如何用70行Java代碼實(shí)現(xiàn)深度神經(jīng)網(wǎng)絡(luò)算法

神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如下圖所示，最左邊的是輸入層，最右邊的是輸出層，中間是多個(gè)隱含層，對于隱含層和輸出層的每個(gè)神經(jīng)節(jié)點(diǎn)，都是由上一層節(jié)點(diǎn)乘以其權(quán)重累加得到，標(biāo)上“+1”的圓圈為截距項(xiàng)b，對輸入層外每個(gè)節(jié)點(diǎn)：Y=w0*x0+w1*x1+...+wn*xn+b，由此我們可以知道神經(jīng)網(wǎng)絡(luò)相當(dāng)于一個(gè)多層邏輯回歸的結(jié)構(gòu)。

創(chuàng)新互聯(lián)建站執(zhí)著的堅(jiān)持網(wǎng)站建設(shè)，微信平臺小程序開發(fā)；我們不會轉(zhuǎn)行，已經(jīng)持續(xù)穩(wěn)定運(yùn)營10多年。專業(yè)的技術(shù)，豐富的成功經(jīng)驗(yàn)和創(chuàng)作思維，提供一站式互聯(lián)網(wǎng)解決方案，以客戶的口碑塑造品牌，攜手廣大客戶，共同發(fā)展進(jìn)步。

import java.util.Random;

public class BpDeep{

public double[][] layer;//神經(jīng)網(wǎng)絡(luò)各層節(jié)點(diǎn)

public double[][] layerErr;//神經(jīng)網(wǎng)絡(luò)各節(jié)點(diǎn)誤差

public double[][][] layer_weight;//各層節(jié)點(diǎn)權(quán)重

public double[][][] layer_weight_delta;//各層節(jié)點(diǎn)權(quán)重動量

public double mobp;//動量系數(shù)

public double rate;//學(xué)習(xí)系數(shù)

public BpDeep(int[] layernum, double rate, double mobp){

this.mobp = mobp;

this.rate = rate;

layer = new double[layernum.length][];

layerErr = new double[layernum.length][];

layer_weight = new double[layernum.length][][];

layer_weight_delta = new double[layernum.length][][];

Random random = new Random();

for(int l=0;llayernum.length;l++){

layer[l]=new double[layernum[l]];

layerErr[l]=new double[layernum[l]];

if(l+1layernum.length){

layer_weight[l]=new double[layernum[l]+1][layernum[l+1]];

layer_weight_delta[l]=new double[layernum[l]+1][layernum[l+1]];

for(int j=0;jlayernum[l]+1;j++)

for(int i=0;ilayernum[l+1];i++)

layer_weight[l][j][i]=random.nextDouble();//隨機(jī)初始化權(quán)重

}

}

}

//逐層向前計(jì)算輸出

public double[] computeOut(double[] in){

for(int l=1;llayer.length;l++){

for(int j=0;jlayer[l].length;j++){

double z=layer_weight[l-1][layer[l-1].length][j];

for(int i=0;ilayer[l-1].length;i++){

layer[l-1][i]=l==1?in[i]:layer[l-1][i];

z+=layer_weight[l-1][i][j]*layer[l-1][i];

}

layer[l][j]=1/(1+Math.exp(-z));

}

}

return layer[layer.length-1];

}

//逐層反向計(jì)算誤差并修改權(quán)重

public void updateWeight(double[] tar){

int l=layer.length-1;

for(int j=0;jlayerErr[l].length;j++)

layerErr[l][j]=layer[l][j]*(1-layer[l][j])*(tar[j]-layer[l][j]);

while(l--0){

for(int j=0;jlayerErr[l].length;j++){

double z = 0.0;

for(int i=0;ilayerErr[l+1].length;i++){

z=z+l0?layerErr[l+1][i]*layer_weight[l][j][i]:0;

layer_weight_delta[l][j][i]= mobp*layer_weight_delta[l][j][i]+rate*layerErr[l+1][i]*layer[l][j];//隱含層動量調(diào)整

layer_weight[l][j][i]+=layer_weight_delta[l][j][i];//隱含層權(quán)重調(diào)整

if(j==layerErr[l].length-1){

layer_weight_delta[l][j+1][i]= mobp*layer_weight_delta[l][j+1][i]+rate*layerErr[l+1][i];//截距動量調(diào)整

layer_weight[l][j+1][i]+=layer_weight_delta[l][j+1][i];//截距權(quán)重調(diào)整

}

}

layerErr[l][j]=z*layer[l][j]*(1-layer[l][j]);//記錄誤差

}

}

}

public void train(double[] in, double[] tar){

double[] out = computeOut(in);

updateWeight(tar);

}

}

多因素logistic回歸分析步驟

步驟如下：

1、把自己需要分析的數(shù)據(jù)導(dǎo)入到SPSS，點(diǎn)擊左上角的文件進(jìn)行打開，選擇彈出對話框中的數(shù)據(jù)。

2、點(diǎn)擊工具欄上的分析，依次選擇回歸，然后選擇“多項(xiàng)Logistic” 多元線性回歸分析和logistic回歸分析都可以的。

3、把變量依次移動到右側(cè)的因變量、因子和協(xié)變量框內(nèi)。

4、就可以在度量標(biāo)準(zhǔn)中看到度量數(shù)據(jù)。

5、再對多項(xiàng)邏輯回歸的模型、統(tǒng)計(jì)量、條件、選項(xiàng)和保存進(jìn)行設(shè)置。

6、點(diǎn)擊確定，即可用SPSS把多因素Logistic回歸分析做好。

多因素logistic回歸是指包含的研究因素較多，如二項(xiàng)logistic回歸、多項(xiàng)Logistic回歸等。

回答于?2022-05-05

java要學(xué)什么

1 java 開發(fā)需要學(xué)什么

學(xué)習(xí)java是一件枯燥的事，如果你想要學(xué)java就應(yīng)該靜下心來學(xué)，也要付出一點(diǎn)努力，畢竟java是一門熱門的編程語言，前景很好。那么下面小編給大家說說java開發(fā)需要學(xué)什么，希望能對你有所幫助。

1、 java語法。

通過任何一本Java入門書籍，都可以學(xué)會Java的基本語法。千萬不要認(rèn)為，你把書上的例子程序都能寫出來就算學(xué)會了Java語法。要想真正掌握，還需要做大量的測試題。對語法不準(zhǔn)確的理解，會使你寫的代碼出現(xiàn)邏輯錯(cuò)誤。而這些錯(cuò)誤會使你在真正的項(xiàng)目開發(fā)中吃盡苦頭：你認(rèn)為正確才會寫上去。而在幾十萬行代碼中找出幾行有邏輯錯(cuò)誤的代碼，非常困難。因?yàn)槟銕缀醪粫岩赡阏J(rèn)為正確的代碼存在錯(cuò)誤。

2、 常用類。

永遠(yuǎn)不要寫別人已經(jīng)實(shí)現(xiàn)的代碼。有很多功能，用JDK中現(xiàn)有的類就可以完成。你需要熟悉JDK.可以通過研究JDK幫助文檔和JDK源代碼的方式，逐漸了解，你需要的類都在什么地方。一方面，要熟悉有哪些可以直接使用的資源，另一方面，學(xué)習(xí)一下，SUN公司的工程師怎樣寫代碼。

3、 IDE 集成開發(fā)環(huán)境。

現(xiàn)在企業(yè)最常用的是IBM公司的eclipse ,類似的還有JBuilder 、Idea,NetBeans等等。畢竟，只有5%的頂尖高手在使用簡單的文本編輯器在寫Java代碼。多數(shù)程序員都是在使用這些東西。

4、 數(shù)據(jù)庫。

MySql,Oracle,DB2.小項(xiàng)目多數(shù)使用MySql這樣的免費(fèi)數(shù)據(jù)庫。大一些的項(xiàng)目會考慮使用Oracle或者DB2. Java項(xiàng)目很少使用SqlServer。因此，你還需要學(xué)習(xí)數(shù)據(jù)庫方面的一些知識?？梢詮腟QL語言開始。這些數(shù)據(jù)庫都支持標(biāo)準(zhǔn)SQL.學(xué)會基本的SQL,參考具體的數(shù)據(jù)庫手冊，就可以完成一般的項(xiàng)目開發(fā)了。當(dāng)然，要想使你的程序運(yùn)行的效率更高，需要更深入的學(xué)習(xí)。大部分的程序優(yōu)化，都是從這部分開始的。

java與matlab算法實(shí)現(xiàn)多變量logistic回歸中的梯度下降算法的區(qū)別

function [theta, J_history] = gradientDescent(X, y, theta, alpha, num_iters)

%GRADIENTDESCENT Performs gradient descent to learn theta

% theta = GRADIENTDESENT(X, y, theta, alpha, num_iters) updates theta by

% taking num_iters gradient steps with learning rate alpha

% Initialize some useful values

m = length(y); % number of training examples

J_history = zeros(num_iters, 1);

for iter = 1:num_iters,

% ====================== YOUR CODE HERE ======================

% Instructions: Perform a single gradient step on the parameter vector

% theta.

%

% Hint: While debugging, it can be useful to print out the values

% of the cost function (computeCost) and gradient here.

p=theta(1)-alpha*(1/m)*(sum((X*theta-y).*X(:,1)));

q=theta(2)-alpha*(1/m)*(sum((X*theta-y).*X(:,2)));

theta(1)=p;

theta(2)=q;

% ============================================================

% Save the cost J in every iteration

J_history(iter) = computeCost(X, y, theta);

end