FANN (Rede Neural Artificial Rápida)

• Introdução
• Instalação/Configuração
  • Dependências
  • Instalação
  • Tipos de Recurso
• Constantes predefinidas
• Exemplos
  • Treinamento XOR
• Funções de Fann
  • fann_cascadetrain_on_data — Treina um conjunto de dados inteiro, por um período de tempo, usando o algoritmo de treinamento Cascade2
  • fann_cascadetrain_on_file — Treina em um conjunto de dados inteiro lido do arquivo, por um período de tempo usando o algoritmo de treinamento Cascade2
  • fann_clear_scaling_params — Limpa parâmetros de dimensionamento
  • fann_copy — Cria uma cópia de uma estrutura fann
  • fann_create_from_file — Constrói uma rede neural de retropropagação a partir de um arquivo de configuração
  • fann_create_shortcut — Cria uma rede neural de retropropagação padrão que não está totalmente conectada e possui conexões de atalho
  • fann_create_shortcut_array — Cria uma rede neural de retropropagação padrão que não está totalmente conectada e possui conexões de atalho
  • fann_create_sparse — Cria uma rede neural de retropropagação padrão, que não está totalmente conectada
  • fann_create_sparse_array — Cria uma rede neural de retropropagação padrão, que não está totalmente conectada usando um array de tamanhos de camada
  • fann_create_standard — Cria uma rede neural de retropropagação padrão totalmente conectada
  • fann_create_standard_array — Cria uma rede neural de retropropagação padrão totalmente conectada usando um array de tamanhos de camada
  • fann_create_train — Cria uma estrutura de dados de treinamento vazia
  • fann_create_train_from_callback — Cria a estrutura de dados de treinamento a partir de uma função fornecida pelo usuário
  • fann_descale_input — Restaura o dimensionamento do vetor de entrada com base em parâmetros previamente calculados, após obtê-lo da rede neural
  • fann_descale_output — Restaura o dimensionamento do vetor de saída com base em parâmetros previamente calculados, após obtê-lo da rede neural
  • fann_descale_train — Restaura o dimensionamento da entrada e da saída com base em parâmetros previamente calculados
  • fann_destroy — Destrói a rede neural inteira e libera adequadamente a memória associada
  • fann_destroy_train — Destrói os dados de treinamento
  • fann_duplicate_train_data — Retorna uma cópia exata de dados de treinamento de rede neural
  • fann_get_activation_function — Retorna a função de ativação
  • fann_get_activation_steepness — Retorna a inclinação da função de ativação para o neurônio e a camada informados
  • fann_get_bias_array — Obtém o número da polarização em cada camada na rede
  • fann_get_bit_fail — O número de falhas de bit
  • fann_get_bit_fail_limit — Retorna o limite de falha de bit usado durante o treinamento
  • fann_get_cascade_activation_functions — Retorna as funções de ativação em cascata
  • fann_get_cascade_activation_functions_count — Retorna o número de funções de ativação em cascata
  • fann_get_cascade_activation_steepnesses — Retorna as inclinações de ativação em cascata
  • fann_get_cascade_activation_steepnesses_count — O número de inclinações de ativação
  • fann_get_cascade_candidate_change_fraction — Retorna a fração de alteração de candidatos em cascata
  • fann_get_cascade_candidate_limit — Retorna o limite de candidato
  • fann_get_cascade_candidate_stagnation_epochs — Retorna o número de épocas de estagnação de candidatos em cascata
  • fann_get_cascade_max_cand_epochs — Retorna o máximo de épocas de candidatos
  • fann_get_cascade_max_out_epochs — Retorna o máximo de épocas da saída
  • fann_get_cascade_min_cand_epochs — Retorna o mínimo de épocas de candidatos
  • fann_get_cascade_min_out_epochs — Retorna o mínimo de épocas de saída
  • fann_get_cascade_num_candidate_groups — Retorna o número de grupos candidatos
  • fann_get_cascade_num_candidates — Retorna o número de candidatos utilizados durante o treinamento
  • fann_get_cascade_output_change_fraction — Retorna a fração de alteração da saída em cascata
  • fann_get_cascade_output_stagnation_epochs — Retorna o número de épocas de estagnação da saída em cascata
  • fann_get_cascade_weight_multiplier — Retorna o multiplicador de peso
  • fann_get_connection_array — Obtém conexões na rede
  • fann_get_connection_rate — Obtém a taxa de conexão usada quando a rede foi criada
  • fann_get_errno — Retorna o número do último erro
  • fann_get_errstr — Retorna a última mensagem de erro
  • fann_get_layer_array — Obtémo número de neurônios em cada camada na rede
  • fann_get_learning_momentum — Retorna o impulso de aprendizagem
  • fann_get_learning_rate — Retorna a taxa de aprendizagem
  • fann_get_MSE — Lê o erro quadrático médio da rede
  • fann_get_network_type — Obtém o tipo da rede neural em que ela foi criada
  • fann_get_num_input — Obtém o número de neurônios de entrada
  • fann_get_num_layers — Obtém o número de camadas na rede neural
  • fann_get_num_output — Obtém o número de neurônios de saída
  • fann_get_quickprop_decay — Retorna o decaimento que é um fator que os pesos devem reduzir em cada ideração durante o treinamento Quickprop
  • fann_get_quickprop_mu — Retorna o fator mu
  • fann_get_rprop_decrease_factor — Retorna o fator de redução usado durante treinamento RPROP
  • fann_get_rprop_delta_max — Retorna o tamanho máximo do passo
  • fann_get_rprop_delta_min — Retorna o tamanho mínimo do passo
  • fann_get_rprop_delta_zero — Retorna o tamanho inicial do passo
  • fann_get_rprop_increase_factor — Retorna o fator de aumento usado durante o treinamento RPROP
  • fann_get_sarprop_step_error_shift — Retorna o deslocamento de erro de passo do treinamento Sarprop
  • fann_get_sarprop_step_error_threshold_factor — Retorna o fator de limite de erro de passo do treinamento Sarprop
  • fann_get_sarprop_temperature — Retorna a temperatura do treinamento Sarprop
  • fann_get_sarprop_weight_decay_shift — Retorna o deslocamento de decaimento de peso do treinamento Sarprop
  • fann_get_total_connections — Obtém o número total de conexões em toda a rede
  • fann_get_total_neurons — Obtém o número total de neurônios em toda a rede
  • fann_get_train_error_function — Retorna a função de erro usada durante o treinamento
  • fann_get_train_stop_function — Retorna a função de parada usada durante o treinamento
  • fann_get_training_algorithm — Retorna o algoritmo de treinamento
  • fann_init_weights — Inicializa os pesos usando o algoritmo de Widrow + Nguyen
  • fann_length_train_data — Retorna o número de padrões de treinamento nos dados de treinamento
  • fann_merge_train_data — Mescla os dados de treinamento
  • fann_num_input_train_data — Retorna o número de entradas em cada um dos padrões de treinamento nos dados de treinamento
  • fann_num_output_train_data — Retorna o número de saídas em cada um dos padrões de treinamento nos dados de treinamento
  • fann_print_error — Exibe a string de erro
  • fann_randomize_weights — Fornece a cada conexão um peso aleatório entre um mínimo e um máximo
  • fann_read_train_from_file — Lê um arquivo que armazena dados de treinamento
  • fann_reset_errno — Redefine o número do último erro
  • fann_reset_errstr — Redefine a string do último erro
  • fann_reset_MSE — Redefine o erro quadrático médio da rede
  • fann_run — Executa a entrada através da rede neural
  • fann_save — Grava a rede neural inteira em um arquivo de configuração
  • fann_save_train — Grava a estrutura de treinamento em um arquivo
  • fann_scale_input — Dimensiona dados no vetor de entrada com base em parâmetros previamente calculados, antes de inseri-lo na rede neural
  • fann_scale_input_train_data — Dimensiona as entradas nos dados de treinamento para a faixa especificada
  • fann_scale_output — Dimensiona dados no vetor de saída com base em parâmetros previamente calculados, após obtê-lo da rede neural
  • fann_scale_output_train_data — Dimensiona as saídas nos dados de treinamento para uma faixa especificada
  • fann_scale_train — Dimensiona entrada e saída com base em parâmetros previamente calculados
  • fann_scale_train_data — Dimensiona as entradas e saídas nos dados de treinamento para a faixa especificada
  • fann_set_activation_function — Define a função de ativação para o neurônio e a camada informados
  • fann_set_activation_function_hidden — Define a função de ativação para todas as camadas ocultas
  • fann_set_activation_function_layer — Define a função de ativação para todos os neurônios na camada especificada
  • fann_set_activation_function_output — Define a função de ativação para a camada de saída
  • fann_set_activation_steepness — Define a inclinação de ativação para o neurônio e camada informados
  • fann_set_activation_steepness_hidden — Define a inclinação de ativação para todos os neurônios em todas as camadas ocultas
  • fann_set_activation_steepness_layer — Define a inclinação de ativação para todos os neurônios da camada especificada
  • fann_set_activation_steepness_output — Define a inclinação de ativação na camada de saída
  • fann_set_bit_fail_limit — Define o limite de falhas de bit usado durante o treinamento
  • fann_set_callback — Define a função de retorno para uso durante o treinamento
  • fann_set_cascade_activation_functions — Define o array de funções de ativação de candidatos em cascata
  • fann_set_cascade_activation_steepnesses — Define o array de inclinação de ativação de candidatos em cascata
  • fann_set_cascade_candidate_change_fraction — Define a fração de modificação de candidatos em cascata
  • fann_set_cascade_candidate_limit — Define o limite de candidatos
  • fann_set_cascade_candidate_stagnation_epochs — Define o número de épocas de estagnação de candidatos em cascata
  • fann_set_cascade_max_cand_epochs — Define o máximo de épocas de candidatos
  • fann_set_cascade_max_out_epochs — Define o máximo de épocas de saída
  • fann_set_cascade_min_cand_epochs — Define o mínimo de épocas de candidatos
  • fann_set_cascade_min_out_epochs — Define o mínimo de épocas de saída
  • fann_set_cascade_num_candidate_groups — Define o número de grupos candidatos
  • fann_set_cascade_output_change_fraction — Define a fração de modificação da saída em cascata
  • fann_set_cascade_output_stagnation_epochs — Define o número de épocas de estagnação de saída em cascata
  • fann_set_cascade_weight_multiplier — Define o multiplicador de peso
  • fann_set_error_log — Define onde os erros são registrados
  • fann_set_input_scaling_params — Calcula os parâmetros de dimensionamento da entrada para uso futuro com base nos dados de treinamento
  • fann_set_learning_momentum — Define o impulso de aprendizagem
  • fann_set_learning_rate — Define a taxa de aprendizagem
  • fann_set_output_scaling_params — Calcula os parâmetros de dimensionamento de saída para uso futuro com base nos dados de treinamento
  • fann_set_quickprop_decay — Define o fator de decaimento do Quickprop
  • fann_set_quickprop_mu — Define o fator mu do Quickprop
  • fann_set_rprop_decrease_factor — Define o fator de redução usado durante o treinamento RPROP
  • fann_set_rprop_delta_max — Define o tamanho máximo do passo
  • fann_set_rprop_delta_min — Define o tamanho mínimo do passo
  • fann_set_rprop_delta_zero — Define o tamanho inicial do passo
  • fann_set_rprop_increase_factor — Define o fator de aumento usado durante o treinamento RPROP
  • fann_set_sarprop_step_error_shift — Define o deslocamento de erro de passo do Sarprop
  • fann_set_sarprop_step_error_threshold_factor — Define o fator de limite de erro de passo do Sarprop
  • fann_set_sarprop_temperature — Define a temperatura do Sarprop
  • fann_set_sarprop_weight_decay_shift — Define o deslocamento de decaimento do peso do Sarprop
  • fann_set_scaling_params — Calcula parâmetros de entrada e saída para uso futuro com base nos dados de treinamento
  • fann_set_train_error_function — Define a função de erro usada durante o treinamento
  • fann_set_train_stop_function — Define a função de parada usada durante o treinamento
  • fann_set_training_algorithm — Define o algoritmo de treinamento
  • fann_set_weight — Define uma conexão na rede
  • fann_set_weight_array — Define as conexões na rede
  • fann_shuffle_train_data — Embaralha o dados de treinamento, tornando a ordem aleatória
  • fann_subset_train_data — Retorna uma cópia de um subconjunto dos dados de treinamento
  • fann_test — Testa com um conjunto de entradas, e um conjunto de saídas desejadas
  • fann_test_data — Testa um conjunto de dados de treinamento e calcula seu MSE
  • fann_train — Treina uma iteração com um conjunto de entradas e um conjunto de saídas desejadas
  • fann_train_epoch — Treina uma época com um conjunto de dados de treinamento
  • fann_train_on_data — Treina em um conjunto de dados inteiro por um período de tempo
  • fann_train_on_file — Treina em um conjunto de dados inteiro, que é lido de um arquivo, por um período de tempo
• FANNConnection — A classe FANNConnection
  • FANNConnection::__construct — O contrutor de conexão
  • FANNConnection::getFromNeuron — Retorna a posição do neurônio inicial
  • FANNConnection::getToNeuron — Retorna a posição do neurônio final
  • FANNConnection::getWeight — Retorna o peso da conexão
  • FANNConnection::setWeight — Define o peso da conexão