taramath: NnData.get

Beschreibung

Die Funktion besitzt ein verpflichtendes Argument:

String

Es werden Daten ausgegeben, welche zur Gewichtung neuronaler Netze dienen. Genauer wird ein Array bestehend aus zwei Einträgen zurückgegeben, welche anschließend unter Verwendung der Funktion NeuralNetwork.set_weights zur initialen Gewichtung eines neuronalen Netzes genutzt werden können.

Als Argument q sind folgende Strings möglich:

digits

Neuronales Netz (784-30-10) zur Erkennung handgeschriebener Ziffern.

Beispiel

Es werden die Daten eines neuronalen Netzes zur Erkennung handgeschriebener Ziffern ausgelesen und entsprechend zur Gewichtung verwendet. Anschließend wird das neuronale Netz evaluiert: Es wird der Prozentsatz der richtig erkannten Ziffern sowie die Konfusionsmatrix anhand einer Testmenge bestehend aus 1000 Datensätzen bestimmt und ausgegeben.

<!DOCTYPE html>
<html>

<head>
  <script type="text/javascript" src="taramath.js"></script>
  <script type="text/javascript" src="DigitData.js"></script>
  <script type="text/javascript" src="NnData.js"></script>
</head>

<body>

<textarea id="print"></textarea>

<script>

// Lokale Funktionen //

function data_to_vector (z) {
  var x = new Array(784);
  for (var k = 0; k < 784; k++) x[k] = z[k+1]/255;
  return x;
};

function data_to_result (z) {
  var y = new Array(10);
  for (var k = 0; k < 10; k++) y[k] = 0;
  y[z[0]] = 1;
  return y;
};

// Gewichte definieren //

var R = NnData.get("digits");
NeuralNetwork.set_weights(R[0], R[1]);

// Testdaten erstellen //

var T = [];
for (var k = 0; k < 1000; k++) {
  var img = DigitData.get("test", k);
  T.push( [data_to_vector(img), data_to_result(img)]  );
};

// Neuronales Netz testen //

var M = NeuralNetwork.test(T, "max");
var c = 0;
for (var i = 0; i < 10; i++) c += M[i][i];

// Ergebnisse ausgeben //

Print.init("print");
Print.object("Prozent richtig erkannt:");
Print.object(100*c/T.length);
Print.set_digits(0);
Print.object("Konfusionsmatrix:");
Print.object(M);

</script>

</body>
</html>

Vorschau aktualisieren

Beispiel

Es werden die Daten eines neuronalen Netzes zur Erkennung handgeschriebener Ziffern ausgelesen und entsprechend zur Gewichtung verwendet. Anschließend wird das Netz anhand eines zufällig gewählten Testdatensatzes evaluiert.

Tipp: Aktualisiere die Vorschau, um einen anderen zufälligen Datensatz zu wählen. Dabei werden etwa 95% der Datensätze korrekt erkannt.

<!DOCTYPE html>
<html>

<head>
  <script type="text/javascript" src="taramath.js"></script>
  <script type="text/javascript" src="DigitData.js"></script>
  <script type="text/javascript" src="NnData.js"></script>
</head>

<body>

<div id="plot"></div>
<textarea id="print" style="height:150px;"></textarea>

<script>

// Lokale Funktionen //

function data_to_image (z) {
  var A = new Array(28);
  for (var k = 0; k < 28; k++) A[k] = new Array(28);
  for (var i = 0; i < 28; i++) for (var j = 0; j < 28; j++) A[i][j] = 255-z[i*28+j+1];
  return A;
};

function data_to_vector (z) {
  var x = new Array(784);
  for (var k = 0; k < 784; k++) x[k] = z[k+1]/255;
  return x;
};

function result_to_number (y) {
  var h = y[0];
  var i = 0;
  for (var k = 1; k <= 9; k++) if (y[k] > h) { h = y[k]; i = k; }
  return i;
};

// Gewichte definieren //

var T = NnData.get("digits");
NeuralNetwork.set_weights(T[0], T[1]);

// Neuronales Netz testen //

var k = Math.floor(1000*Math.random());
var x = DigitData.get("test", k);
var y = NeuralNetwork.evaluate(data_to_vector(x));

Plot.init("plot", 400, 400);
Plot.image(data_to_image(x), 6);

Print.init("print");
Print.object("Es handelt sich um folgende Ziffer:");
Print.object(x[0]);
Print.object("Es wurde folgende Ziffer erkannt:");
Print.object(result_to_number(y));

</script>

</body>
</html>

Vorschau aktualisieren

NnData.get

zur Gewichtung von neuronalen Netzen