首页
前端开发
后端开发
数据库
数据分析
开发工具
测验/考试
代码笔记
🎁 机器学习（ML）是AI的核心驱动力！全面、实用的 机器学习（ML）教程 现已正式上线 👉 点击学习
导航分类
机器学习（ML）深度学习机器学习（ML）TensorFlow 概述
主题
  • 默认模式
  • 浅蓝色模式
  • 淡绿色模式
  • 深夜模式

Brain.js

Brain.js 是一个 JavaScript 库，它通过隐藏数学的复杂性，让神经网络变得更容易理解。

构建神经网络

✅ 使用 Brain.js 构建神经网络：

实例代码 运行代码
复制
// 创建神经网络
const network = new brain.NeuralNetwork();

// 用 4 组输入数据训练网络
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}}
]);

// 输入 [1,0] 的预期输出是什么？
result = network.run([1,0]);

// 显示 "zero" 和 "one" 的概率
... result["one"] + " " + result["zero"];

✅ 示例说明：

1. 使用new brain.NeuralNetwork()创建了一个神经网络实例。

2. 通过network.train([examples])训练网络。

3. 这些示例提供了 4 组输入值及其对应的输出值。

4. 当你调用network.run([1,0])时，你实际上是在询问神经网络："对于输入 [1,0]，最可能的输出是什么？"

5. 神经网络会根据之前的训练数据，计算出一个概率分布：

  • one（1）：93%（接近100%）
  • zero（0）：6%（接近0%）

如何预测颜色对比度

✅ 使用 CSS 时，可以通过 RGB 设置颜色值：

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)

✅ 以下示例演示如何预测颜色的明暗度：

实例代码 运行代码
复制
// 创建神经网络
const net = new brain.NeuralNetwork();

// 用 4 个输入对象训练网络
net.train([
    // 白色 RGB(255, 255, 255)
    {input:[255/255, 255/255, 255/255], output:{light:1}},

    // 浅灰色 (192,192,192)
    {input:[192/255, 192/255, 192/255], output:{light:1}},

    // 深灰色 (64, 64, 64)
    { input:[65/255, 65/255, 65/255], output:{dark:1}},

    // 黑色 (0, 0, 0)
    { input:[0, 0, 0], output:{dark:1}},
]);

// 深蓝色(0, 0, 128)的预期输出是什么？
let result = net.run([0, 0, 128/255]);

// 显示 "dark" 和 "light" 的概率
... result["dark"] + " " + result["light"];

✅ 示例说明：

1. 使用new brain.NeuralNetwork()创建了一个神经网络实例。

2. 通过network.train([examples])训练网络。

3. 这些示例提供了 4 组输入值及其对应的输出值。

4. 当你调用network.run([0,0,128/255])时，你实际上是在询问神经网络："深蓝色[0,0,128]最可能属于哪种明暗分类？"

5. 神经网络会根据之前的训练数据，计算出一个概率分布：

  • 深色概率（Dark）：95%
  • 浅色概率（Light）：4%
评论区 0
发表评论
教程介绍
机器学习是人工智能的子领域，通过算法让计算机从数据中自动学习规律，并做出预测或决策。
29 章节
63 阅读
0 评论
教程目录

机器学习（Machine Learning）

ML 概述 ML 与 AI ML 编程语言 ML JavaScript ML 线性图 ML 散点图 ML 感知机 ML 模式识别 ML 模型训练 ML 模型测试 ML 机器学习 ML 学习术语 ML 数据处理 ML 聚类分析 ML 线性回归 ML 深度学习 ML Brain.js

TensorFlow

TFJS 教程 TFJS 操作 TFJS 模型 TFJS Visor

TensorFlow 示例1

Ex1 概述 Ex1 数据 Ex1 模型 Ex1 训练

TensorFlow 示例2

Ex2 概述 Ex2 数据 Ex2 模型 Ex2 训练