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
45 阅读
0 评论