+++ /dev/null
-import java.applet.Applet;\r
-import java.awt.*;\r
-import java.awt.event.*;\r
-\r
-public class Back extends Applet implements MouseListener,MouseMotionListener,ActionListener{\r
-\r
- Button button1,button2,button3,button4;\r
-\r
- int X0=10,X1=125;\r
- int Y0=55,Y1=70,Y2=160,Y3=240,Y4=305;\r
-\r
- int RX0=30,RX1=60,RX2=210,RX3=260;\r
- int RY0=225,RY1=240;\r
-\r
- int WIDTH=7; //入力データの幅\r
- int HEIGHT=11; //入力データの高さ\r
- int INPUT=WIDTH*HEIGHT; //入力層の数(入力データ数)\r
- int HIDDEN=16; //隠れ層の数\r
- int PATTERN=10; //パターンの種類\r
- int OUTPUT=PATTERN; //出力層の数(出力データ数)\r
- int OUTER_CYCLES=200; //外部サイクル(一連のパターンの繰返し学習)の回数\r
- int INNER_CYCLES=200; //内部サイクル(同一パターンの繰返し学習)の回数\r
- float ALPHA=1.2f; //学習の加速係数\r
- float BETA=1.2f; //シグモイド曲線の傾斜\r
-\r
- int[] sample_in=new int[INPUT]; //学習用入力\r
- int[] written_in=new int[INPUT]; //認識用手書き入力\r
-\r
- float[][] weight_ih=new float[INPUT][HIDDEN]; //入力層と隠れ層の間の重み係数\r
- float[] thresh_h=new float[HIDDEN]; //隠れ層の閾値\r
- float[] hidden_out=new float[HIDDEN]; //隠れ層の出力\r
-\r
- float[][] weight_ho=new float[HIDDEN][OUTPUT]; //隠れ層と出力層の間の重み係数\r
- float[] thresh_o=new float[OUTPUT]; //出力層の閾値\r
- float[] recog_out=new float[OUTPUT]; //認識出力(出力層の出力)\r
-\r
- int[] teach=new int[PATTERN]; //教師信号\r
-\r
-\r
-\r
-\r
-\r
- boolean learning_flag; //「学習モード」フラグ\r
-\r
- //学習用入力データの基となるパターン\r
- int[][] sample_array={{0,0,1,1,1,0,0, //'0'\r
- 0,1,0,0,0,1,0,\r
- 1,0,0,0,0,0,1,\r
- 1,0,0,0,0,0,1,\r
- 1,0,0,0,0,0,1,\r
- 1,0,0,0,0,0,1,\r
- 1,0,0,0,0,0,1,\r
- 1,0,0,0,0,0,1,\r
- 1,0,0,0,0,0,1,\r
- 0,1,0,0,0,1,0,\r
- 0,0,1,1,1,0,0},\r
- \r
- {0,0,0,1,0,0,0, //'1'\r
- 0,0,0,1,0,0,0,\r
- 0,0,0,1,0,0,0,\r
- 0,0,0,1,0,0,0,\r
- 0,0,0,1,0,0,0,\r
- 0,0,0,1,0,0,0,\r
- 0,0,0,1,0,0,0,\r
- 0,0,0,1,0,0,0,\r
- 0,0,0,1,0,0,0,\r
- 0,0,0,1,0,0,0,\r
- 0,0,0,1,0,0,0},\r
- \r
- {0,0,1,1,1,0,0, //'2'\r
- 0,1,0,0,0,1,0,\r
- 1,0,0,0,0,0,1,\r
- 0,0,0,0,0,0,1,\r
- 0,0,0,0,0,0,1,\r
- 0,0,0,0,0,1,0,\r
- 0,0,0,0,1,0,0,\r
- 0,0,0,1,0,0,0,\r
- 0,0,1,0,0,0,0,\r
- 0,1,0,0,0,0,0,\r
- 1,1,1,1,1,1,1},\r
- \r
- {0,0,1,1,1,0,0, //'3'\r
- 0,1,0,0,0,1,0,\r
- 1,0,0,0,0,0,1,\r
- 0,0,0,0,0,1,0,\r
- 0,0,0,0,1,0,0,\r
- 0,0,0,0,0,1,0,\r
- 0,0,0,0,0,0,1,\r
- 0,0,0,0,0,0,1,\r
- 1,0,0,0,0,0,1,\r
- 0,1,0,0,0,1,0,\r
- 0,0,1,1,1,0,0},\r
- \r
- {0,0,0,0,1,0,0, //'4'\r
- 0,0,0,1,1,0,0,\r
- 0,0,1,0,1,0,0,\r
- 0,0,1,0,1,0,0,\r
- 0,1,0,0,1,0,0,\r
- 0,1,0,0,1,0,0,\r
- 1,0,0,0,1,0,0,\r
- 1,1,1,1,1,1,1,\r
- 0,0,0,0,1,0,0,\r
- 0,0,0,0,1,0,0,\r
- 0,0,0,0,1,0,0},\r
- \r
- {1,1,1,1,1,1,1, //'5'\r
- 1,0,0,0,0,0,0,\r
- 1,0,0,0,0,0,0,\r
- 1,0,0,0,0,0,0,\r
- 1,1,1,1,1,0,0,\r
- 0,0,0,0,0,1,0,\r
- 0,0,0,0,0,0,1,\r
- 0,0,0,0,0,0,1,\r
- 0,0,0,0,0,0,1,\r
- 1,0,0,0,0,1,0,\r
- 0,1,1,1,1,1,0},\r
- \r
- {0,0,0,0,1,1,0, //'6'\r
- 0,0,0,1,0,0,0,\r
- 0,0,1,0,0,0,0,\r
- 0,1,0,0,0,0,0,\r
- 0,1,0,0,0,0,0,\r
- 1,0,0,0,0,0,0,\r
- 1,0,1,1,1,0,0,\r
- 1,1,0,0,0,1,0,\r
- 1,0,0,0,0,0,1,\r
- 0,1,0,0,0,1,0,\r
- 0,0,1,1,1,0,0},\r
- \r
- {1,1,1,1,1,1,1, //'7'\r
- 0,0,0,0,0,0,1,\r
- 0,0,0,0,0,0,1,\r
- 0,0,0,0,0,1,0,\r
- 0,0,0,0,0,1,0,\r
- 0,0,0,0,1,0,0,\r
- 0,0,0,0,1,0,0,\r
- 0,0,0,1,0,0,0,\r
- 0,0,0,1,0,0,0,\r
- 0,0,1,0,0,0,0,\r
- 0,0,1,0,0,0,0},\r
- \r
- {0,0,1,1,1,0,0, //'8'\r
- 0,1,0,0,0,1,0,\r
- 1,0,0,0,0,0,1,\r
- 1,0,0,0,0,0,1,\r
- 0,1,0,0,0,1,0,\r
- 0,0,1,1,1,0,0,\r
- 0,1,0,0,0,1,0,\r
- 1,0,0,0,0,0,1,\r
- 1,0,0,0,0,0,1,\r
- 1,0,0,0,0,0,1,\r
- 0,1,1,1,1,1,0},\r
- \r
- {0,1,1,1,1,1,0, //'9'\r
- 1,0,0,0,0,0,1,\r
- 1,0,0,0,0,0,1,\r
- 1,0,0,0,0,0,1,\r
- 0,1,1,1,1,1,1,\r
- 0,0,0,0,0,0,1,\r
- 0,0,0,0,0,0,1,\r
- 0,0,0,0,0,0,1,\r
- 0,0,0,0,0,0,1,\r
- 1,0,0,0,0,0,1,\r
- 0,1,1,1,1,1,0}};\r
-\r
- int[][] teach_array=new int[PATTERN][OUTPUT]; //パターンと出力すべき教師信号の比較表\r
-\r
- int x_new,y_new,x_old,y_old; //手書き文字入力用座標\r
-\r
-\r
- public void init(){\r
-\r
- setBackground(Color.gray);\r
-\r
- //ボタンの設定\r
- add(button1=new Button(" 再学習 "));\r
- add(button2=new Button(" 学習終了 "));\r
- add(button3=new Button("入力クリヤ"));\r
- add(button4=new Button(" 認 識 "));\r
- button1.addActionListener(this);\r
- button2.addActionListener(this);\r
- button3.addActionListener(this);\r
- button4.addActionListener(this);\r
-\r
- //マウスの設定\r
- addMouseListener(this);\r
- addMouseMotionListener(this);\r
-\r
- //教師信号の設定\r
- for(int q=0;q<PATTERN;q++)\r
- for(int k=0;k<OUTPUT;k++){\r
- if(q==k) teach_array[q][k]=1;\r
- else teach_array[q][k]=0;\r
- }\r
-\r
- //モードの初期設定\r
- learning_flag=true;\r
-\r
- }\r
-\r
- //------------------- ボタン関係のメソッド ------------------\r
-\r
- public void actionPerformed(ActionEvent ae){\r
-\r
- if(ae.getSource()==button1){ //「再学習」\r
- learning_flag=true;\r
- repaint();\r
- }\r
- if(ae.getSource()==button2){ //「学習終了」\r
- learning_flag=false;\r
- repaint();\r
- }\r
- if(ae.getSource()==button3){ //「入力クリヤ」\r
- if(!learning_flag)\r
- repaint();\r
- }\r
- if(ae.getSource()==button4){ //「認識」\r
- if(!learning_flag)\r
- recognizeCharacter();\r
- }\r
-\r
- }\r
-\r
- //---------- マウス関係のメソッド(手書き文字入力)----------\r
-\r
- public void mousePressed(MouseEvent me){\r
- int x=me.getX();\r
- int y=me.getY();\r
- if(!learning_flag && x>=RX1 && x<=RX1+WIDTH*10 && y>=RY1 && y<=RY1+HEIGHT*10){\r
- x_old=me.getX();\r
- y_old=me.getY();\r
- written_in[(y_old-RY1)/10*WIDTH+(x_old-RX1)/10]=1;\r
- }\r
- }\r
-\r
- public void mouseClicked(MouseEvent me){}\r
- public void mouseEntered(MouseEvent me){}\r
- public void mouseExited(MouseEvent me){}\r
- public void mouseReleased(MouseEvent me){}\r
-\r
- public void mouseDragged(MouseEvent me){\r
- int x=me.getX();\r
- int y=me.getY();\r
- if(!learning_flag && x>=RX1 && x<=RX1+WIDTH*10 && y>=RY1 && y<=RY1+HEIGHT*10){\r
- Graphics g=getGraphics(); \r
- x_new=me.getX();\r
- y_new=me.getY();\r
- g.drawLine(x_old,y_old,x_new,y_new);\r
- x_old=x_new;\r
- y_old=y_new;\r
- written_in[(y_old-RY1)/10*WIDTH+(x_old-RX1)/10]=1;\r
- }\r
- \r
- }\r
-\r
- public void mouseMoved(MouseEvent me){}\r
- \r
-\r
-\r
- //---------- 起動時およびrepaint()で呼び出されるメソッド ----------\r
- \r
- public void paint(Graphics g){\r
-\r
- int i,j,k,p,q,r,x;\r
-\r
- String string;\r
-\r
- float outer_error; //外部サイクルエラー累計\r
- float inner_error; //内部サイクルエラー累計\r
- float temp_error; //隠れ層の誤差の累計 \r
-\r
- //学習モードの背景\r
- if(learning_flag){\r
- g.setColor(new Color(255,255,192));\r
- g.fillRect(5,35,590,460);\r
- g.setColor(Color.black);\r
- g.drawString("学習モード",500,55);\r
- }\r
-\r
- //認識モードの背景\r
- else{\r
- g.setColor(new Color(192,255,255));\r
- g.fillRect(5,35,590,460);\r
- g.setColor(Color.black);\r
- g.drawString("認識モード",500,55);\r
- }\r
-\r
- //学習用パターンの表示\r
- g.drawString("使用している学習用パターン",X0,Y0);\r
- for(q=0;q<PATTERN;q++){\r
- x=56*q;\r
- for(j=0;j<HEIGHT;j++)\r
- for(i=0;i<WIDTH;i++){\r
- if(sample_array[q][WIDTH*j+i]==1) g.setColor(Color.red);\r
- else g.setColor(Color.cyan);\r
- g.fillRect(X0+x+6*i,Y1+6*j,5,5);\r
- }\r
- }\r
- g.setColor(Color.black);\r
-\r
- //-------------------------------------------------------------------\r
- //--------------------------- 学習モード ----------------------------\r
- //-------------------------------------------------------------------\r
- if(learning_flag){\r
-\r
- //閾値と重みの乱数設定\r
- for(j=0;j<HIDDEN;j++){\r
- thresh_h[j]=(float)Math.random()-0.5f;\r
- for(i=0;i<INPUT;i++)\r
- weight_ih[i][j]=(float)Math.random()-0.5f;\r
- }\r
- for(k=0;k<OUTPUT;k++){\r
- thresh_o[k]=(float)Math.random()-0.5f;\r
- for(j=0;j<HIDDEN;j++)\r
- weight_ho[j][k]=(float)Math.random()-0.5f;\r
- }\r
-\r
- //-------------------------- 学習 --------------------------\r
-\r
- for(p=0;p<OUTER_CYCLES;p++){ //外部サイクル\r
-\r
- outer_error=0.0f; //外部二乗誤差のクリヤー\r
-\r
- for(q=0;q<PATTERN;q++){ //パターンの切り替え\r
-\r
- //パターンに対応した入力と教師信号の設定\r
- sample_in=sample_array[q];\r
- teach=teach_array[q];\r
-\r
- for(r=0;r<INNER_CYCLES;r++){ //内部サイクル\r
-\r
- //順方向演算\r
- forwardNeuralNet(sample_in,recog_out); \r
-\r
- //逆方向演算(バックプロパゲーション)\r
- backwardNeuralNet();\r
-\r
- }\r
-\r
- //内部二乗誤差の計算\r
- inner_error=0.0f; //内部二乗誤差のクリヤー\r
- for(k=0;k<OUTPUT;k++)\r
- inner_error+=(teach[k]-recog_out[k])*(teach[k]-recog_out[k]);\r
-\r
- outer_error+=inner_error; //外部二乗誤差への累加算\r
-\r
- }\r
-\r
- //外部サイクルの回数と外部二乗誤差の表示\r
- g.drawString("実行中の外部サイクルの回数と二乗誤差",X0,Y2);\r
- g.setColor(new Color(255,255,192));\r
- g.fillRect(X0+5,Y2+10,200,50); //以前の表示を消去\r
- g.setColor(Color.black);\r
- g.drawString("OuterCycles="+String.valueOf(p),X0+10,Y2+25);\r
- g.drawString("TotalSquaredError="+String.valueOf(outer_error),X0+10,Y2+45);\r
-\r
- } \r
-\r
-\r
- //--------------------- 学習結果の確認 ---------------------\r
-\r
- g.drawString("学習結果の確認",X0,Y3);\r
- for(k=0;k<OUTPUT;k++){\r
- g.drawString("Output",X1+45*k,Y3+25);\r
- g.drawString(" ["+String.valueOf(k)+"]",X1+5+45*k,Y3+40);\r
- } \r
-\r
- for(q=0;q<PATTERN;q++){\r
-\r
- //入力パターンの設定\r
- sample_in=sample_array[q];\r
-\r
- //順方向演算\r
- forwardNeuralNet(sample_in,recog_out);\r
-\r
- //結果の表示\r
- g.setColor(Color.black);\r
- g.drawString("TestPattern["+String.valueOf(q)+"]",X0+10,Y4+20*q);\r
- for(k=0;k<OUTPUT;k++){\r
- if(recog_out[k]>0.99){ //99% より大は、赤で YES と表示\r
- g.setColor(Color.red);\r
- string="YES";\r
- }\r
- else if(recog_out[k]<0.01){ // 1% より小は、青で NO と表示\r
- g.setColor(Color.blue);\r
- string="NO ";\r
- }\r
- else{ // 1% 以上 99% 以下は、黒で ? と表示\r
- g.setColor(Color.black);\r
- string=" ? ";\r
- }\r
- g.drawString(string,X1+10+45*k,Y4+20*q);\r
- }\r
-\r
- }\r
- }\r
-\r
- //-------------------------------------------------------------------\r
- //--------------------------- 認識モード ----------------------------\r
- //-------------------------------------------------------------------\r
- else{\r
- g.setColor(Color.black);\r
- g.drawString("マウスで数字を描いて下さい",RX0,RY0);\r
- g.drawRect(RX1-1,RY1-1,WIDTH*10+2,HEIGHT*10+2); //外枠\r
- g.setColor(Color.gray);\r
- for(j=1;j<HEIGHT;j++)\r
- g.drawLine(RX1,RY1+10*j,RX1+WIDTH*10,RY1+10*j); //横方向区切り\r
- for(i=1;i<WIDTH;i++)\r
- g.drawLine(RX1+10*i,RY1,RX1+10*i,RY1+HEIGHT*10); //縦方向区切り\r
- for(i=0;i<INPUT;i++)\r
- written_in[i]=0; //手書き入力データのクリヤ\r
- }\r
-\r
- }\r
-\r
- //順方向演算のメソッド\r
- public void forwardNeuralNet(int[] input,float[] output){\r
-\r
- float[] out=new float[OUTPUT];\r
- float[] hidden=new float[HIDDEN];\r
-\r
- //隠れ層出力の計算\r
- for(int j=0;j<HIDDEN;j++){\r
- hidden[j]=-thresh_h[j];\r
- for(int i=0;i<INPUT;i++)\r
- hidden[j]+=input[i]*weight_ih[i][j];\r
- hidden_out[j]=sigmoid(hidden[j]);\r
- }\r
-\r
- //出力層出力の計算\r
- for(int k=0;k<OUTPUT;k++){\r
- out[k]=-thresh_o[k];\r
- for(int j=0;j<HIDDEN;j++)\r
- out[k]+=hidden_out[j]*weight_ho[j][k];\r
- output[k]=sigmoid(out[k]);\r
- }\r
-\r
- }\r
-\r
- //逆方向演算のメソッド\r
- public void backwardNeuralNet(){\r
-\r
- int i,j,k;\r
-\r
- float[] output_error=new float[OUTPUT]; //出力層の誤差\r
- float[] hidden_error=new float[HIDDEN]; //隠れ層の誤差\r
-\r
- float temp_error;\r
-\r
- //出力層の誤差の計算\r
- for(k=0;k<OUTPUT;k++)\r
- output_error[k]=(teach[k]-recog_out[k])*recog_out[k]*(1.0f-recog_out[k]);\r
-\r
- //隠れ層の誤差の計算\r
- for(j=0;j<HIDDEN;j++){\r
- temp_error=0.0f;\r
- for(k=0;k<OUTPUT;k++)\r
- temp_error+=output_error[k]*weight_ho[j][k];\r
- hidden_error[j]=hidden_out[j]*(1.0f-hidden_out[j])*temp_error;\r
- }\r
-\r
- //重みの補正\r
- for(k=0;k<OUTPUT;k++)\r
- for(j=0;j<HIDDEN;j++)\r
- weight_ho[j][k]+=ALPHA*output_error[k]*hidden_out[j];\r
- for(j=0;j<HIDDEN;j++)\r
- for(i=0;i<INPUT;i++)\r
- weight_ih[i][j]+=ALPHA*hidden_error[j]*sample_in[i];\r
-\r
- //閾値の補正\r
- for(k=0;k<OUTPUT;k++)\r
- thresh_o[k]-=ALPHA*output_error[k];\r
- for(j=0;j<HIDDEN;j++)\r
- thresh_h[j]-=ALPHA*hidden_error[j];\r
-\r
- }\r
- \r
- //Sigmoid関数を計算するメソッド\r
- public float sigmoid(float x){\r
-\r
- return 1.0f/(1.0f+(float)Math.exp(-BETA*x));\r
-\r
- }\r
-\r
- //入力文字を認識するメソッド\r
- public void recognizeCharacter(){\r
-\r
- Graphics g=getGraphics();\r
- String string;\r
-\r
- //順方向演算\r
- forwardNeuralNet(written_in,recog_out);\r
-\r
- //結果の表示\r
- for(int k=0;k<OUTPUT;k++){\r
- g.setColor(Color.black);\r
- g.drawString(String.valueOf(k)+"である",RX2,RY1+20*k);\r
- if(recog_out[k]>0.8f) g.setColor(Color.red);\r
- else g.setColor(Color.black);\r
-\r
- g.fillRect(RX3,RY1-10+20*k,(int)(200*recog_out[k]),10);\r
- g.drawString(String.valueOf((int)(100*recog_out[k]+0.5f))+"%",RX3+(int)(200*recog_out[k])+10,RY1+20*k);\r
- }\r
-\r
- }\r
-\r
-}\r
-\r
-\r
-\r
+\r
package jp.gr.java_conf.u6k.simplenn;\r
\r
+import java.applet.Applet;\r
+import java.awt.Button;\r
+import java.awt.Color;\r
+import java.awt.Graphics;\r
+import java.awt.event.ActionEvent;\r
+import java.awt.event.ActionListener;\r
+import java.awt.event.MouseEvent;\r
+import java.awt.event.MouseListener;\r
+import java.awt.event.MouseMotionListener;\r
+\r
+/**\r
+ * <p>\r
+ * バックプロパゲーション法で学習するニューラル・ネットワークのデモ・アプレットです。このソースコードは、<a href="http://codezine.jp/">CodeZine</a>の記事「<a href="http://codezine.jp/a/article/aid/372.aspx">ニューラルネットワークを用いたパターン認識</a>」を参考にしています。\r
+ * </p>\r
+ * \r
+ * @version $Id$\r
+ * @see http://codezine.jp/a/article/aid/372.aspx\r
+ */\r
+public class SimpleNNApplet extends Applet implements MouseListener, MouseMotionListener, ActionListener {\r
+\r
+ Button button1, button2, button3, button4;\r
+\r
+ int X0 = 10, X1 = 125;\r
+\r
+ int Y0 = 55, Y1 = 70, Y2 = 160, Y3 = 240, Y4 = 305;\r
+\r
+ int RX0 = 30, RX1 = 60, RX2 = 210, RX3 = 260;\r
+\r
+ int RY0 = 225, RY1 = 240;\r
+\r
+ int WIDTH = 7; // 入力データの幅\r
+\r
+ int HEIGHT = 11; // 入力データの高さ\r
+\r
+ int INPUT = WIDTH * HEIGHT; // 入力層の数(入力データ数)\r
+\r
+ int HIDDEN = 16; // 隠れ層の数\r
+\r
+ int PATTERN = 10; // パターンの種類\r
+\r
+ int OUTPUT = PATTERN; // 出力層の数(出力データ数)\r
+\r
+ int OUTER_CYCLES = 100; // 外部サイクル(一連のパターンの繰返し学習)の回数\r
+\r
+ int INNER_CYCLES = 100; // 内部サイクル(同一パターンの繰返し学習)の回数\r
+\r
+ float ALPHA = 1.2f; // 学習の加速係数\r
+\r
+ float BETA = 1.2f; // シグモイド曲線の傾斜\r
+\r
+ int[] sample_in = new int[INPUT]; // 学習用入力\r
+\r
+ int[] written_in = new int[INPUT]; // 認識用手書き入力\r
+\r
+ float[][] weight_ih = new float[INPUT][HIDDEN]; // 入力層と隠れ層の間の重み係数\r
+\r
+ float[] thresh_h = new float[HIDDEN]; // 隠れ層の閾値\r
+\r
+ float[] hidden_out = new float[HIDDEN]; // 隠れ層の出力\r
+\r
+ float[][] weight_ho = new float[HIDDEN][OUTPUT]; // 隠れ層と出力層の間の重み係数\r
+\r
+ float[] thresh_o = new float[OUTPUT]; // 出力層の閾値\r
+\r
+ float[] recog_out = new float[OUTPUT]; // 認識出力(出力層の出力)\r
+\r
+ int[] teach = new int[PATTERN]; // 教師信号\r
+\r
+ boolean learning_flag; // 「学習モード」フラグ\r
+\r
+ // 学習用入力データの基となるパターン\r
+ int[][] sample_array = { { 0, 0, 1, 1, 1, 0, 0, // '0'\r
+ 0, 1, 0, 0, 0, 1, 0, 1, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 1, 0, 1, 0, 0, 0, 1, 0, 0, 0, 1, 1, 1, 0, 0 },\r
+\r
+ { 0, 0, 0, 1, 0, 0, 0, // '1'\r
+ 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0 },\r
+\r
+ { 0, 0, 1, 1, 1, 0, 0, // '2'\r
+ 0, 1, 0, 0, 0, 1, 0, 1, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1 },\r
+\r
+ { 0, 0, 1, 1, 1, 0, 0, // '3'\r
+ 0, 1, 0, 0, 0, 1, 0, 1, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 1, 0, 1, 0, 0, 0, 1, 0, 0, 0, 1, 1, 1, 0, 0 },\r
+\r
+ { 0, 0, 0, 0, 1, 0, 0, // '4'\r
+ 0, 0, 0, 1, 1, 0, 0, 0, 0, 1, 0, 1, 0, 0, 0, 0, 1, 0, 1, 0, 0, 0, 1, 0, 0, 1, 0, 0, 0, 1, 0, 0, 1, 0, 0, 1, 0, 0, 0, 1, 0, 0, 1, 1, 1, 1, 1, 1, 1, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 1, 0, 0 },\r
+\r
+ { 1, 1, 1, 1, 1, 1, 1, // '5'\r
+ 1, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 1, 0, 0, 1, 1, 1, 1, 1, 0 },\r
+\r
+ { 0, 0, 0, 0, 1, 1, 0, // '6'\r
+ 0, 0, 0, 1, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 1, 0, 1, 1, 1, 0, 0, 1, 1, 0, 0, 0, 1, 0, 1, 0, 0, 0, 0, 0, 1, 0, 1, 0, 0, 0, 1, 0, 0, 0, 1, 1, 1, 0, 0 },\r
+\r
+ { 1, 1, 1, 1, 1, 1, 1, // '7'\r
+ 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0 },\r
+\r
+ { 0, 0, 1, 1, 1, 0, 0, // '8'\r
+ 0, 1, 0, 0, 0, 1, 0, 1, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 1, 0, 1, 0, 0, 0, 1, 0, 0, 0, 1, 1, 1, 0, 0, 0, 1, 0, 0, 0, 1, 0, 1, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 1, 0, 1, 1, 1, 1, 1, 0 },\r
+\r
+ { 0, 1, 1, 1, 1, 1, 0, // '9'\r
+ 1, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 1, 0, 1, 1, 1, 1, 1, 1, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 1, 0, 1, 1, 1, 1, 1, 0 } };\r
+\r
+ int[][] teach_array = new int[PATTERN][OUTPUT]; // パターンと出力すべき教師信号の比較表\r
+\r
+ int x_new, y_new, x_old, y_old; // 手書き文字入力用座標\r
+\r
+ public void init() {\r
+\r
+ setBackground(Color.gray);\r
+\r
+ // ボタンの設定\r
+ add(button1 = new Button(" 再学習 "));\r
+ add(button2 = new Button(" 学習終了 "));\r
+ add(button3 = new Button("入力クリヤ"));\r
+ add(button4 = new Button(" 認 識 "));\r
+ button1.addActionListener(this);\r
+ button2.addActionListener(this);\r
+ button3.addActionListener(this);\r
+ button4.addActionListener(this);\r
+\r
+ // マウスの設定\r
+ addMouseListener(this);\r
+ addMouseMotionListener(this);\r
+\r
+ // 教師信号の設定\r
+ for (int q = 0; q < PATTERN; q++)\r
+ for (int k = 0; k < OUTPUT; k++) {\r
+ if (q == k)\r
+ teach_array[q][k] = 1;\r
+ else\r
+ teach_array[q][k] = 0;\r
+ }\r
+\r
+ // モードの初期設定\r
+ learning_flag = true;\r
+\r
+ }\r
+\r
+ // ------------------- ボタン関係のメソッド ------------------\r
+\r
+ public void actionPerformed(ActionEvent ae) {\r
+\r
+ if (ae.getSource() == button1) { // 「再学習」\r
+ learning_flag = true;\r
+ repaint();\r
+ }\r
+ if (ae.getSource() == button2) { // 「学習終了」\r
+ learning_flag = false;\r
+ repaint();\r
+ }\r
+ if (ae.getSource() == button3) { // 「入力クリヤ」\r
+ if (!learning_flag)\r
+ repaint();\r
+ }\r
+ if (ae.getSource() == button4) { // 「認識」\r
+ if (!learning_flag)\r
+ recognizeCharacter();\r
+ }\r
+\r
+ }\r
+\r
+ // ---------- マウス関係のメソッド(手書き文字入力)----------\r
+\r
+ public void mousePressed(MouseEvent me) {\r
+ int x = me.getX();\r
+ int y = me.getY();\r
+ if (!learning_flag && x >= RX1 && x <= RX1 + WIDTH * 10 && y >= RY1 && y <= RY1 + HEIGHT * 10) {\r
+ x_old = me.getX();\r
+ y_old = me.getY();\r
+ written_in[(y_old - RY1) / 10 * WIDTH + (x_old - RX1) / 10] = 1;\r
+ }\r
+ }\r
+\r
+ public void mouseClicked(MouseEvent me) {\r
+ }\r
+\r
+ public void mouseEntered(MouseEvent me) {\r
+ }\r
+\r
+ public void mouseExited(MouseEvent me) {\r
+ }\r
+\r
+ public void mouseReleased(MouseEvent me) {\r
+ }\r
+\r
+ public void mouseDragged(MouseEvent me) {\r
+ int x = me.getX();\r
+ int y = me.getY();\r
+ if (!learning_flag && x >= RX1 && x <= RX1 + WIDTH * 10 && y >= RY1 && y <= RY1 + HEIGHT * 10) {\r
+ Graphics g = getGraphics();\r
+ x_new = me.getX();\r
+ y_new = me.getY();\r
+ g.drawLine(x_old, y_old, x_new, y_new);\r
+ x_old = x_new;\r
+ y_old = y_new;\r
+ written_in[(y_old - RY1) / 10 * WIDTH + (x_old - RX1) / 10] = 1;\r
+ }\r
+\r
+ }\r
+\r
+ public void mouseMoved(MouseEvent me) {\r
+ }\r
+\r
+ // ---------- 起動時およびrepaint()で呼び出されるメソッド ----------\r
+\r
+ public void paint(Graphics g) {\r
+\r
+ int i, j, k, p, q, r, x;\r
+\r
+ String string;\r
+\r
+ float outer_error; // 外部サイクルエラー累計\r
+ float inner_error; // 内部サイクルエラー累計\r
+ float temp_error; // 隠れ層の誤差の累計\r
+\r
+ // 学習モードの背景\r
+ if (learning_flag) {\r
+ g.setColor(new Color(255, 255, 192));\r
+ g.fillRect(5, 35, 590, 460);\r
+ g.setColor(Color.black);\r
+ g.drawString("学習モード", 500, 55);\r
+ }\r
+\r
+ // 認識モードの背景\r
+ else {\r
+ g.setColor(new Color(192, 255, 255));\r
+ g.fillRect(5, 35, 590, 460);\r
+ g.setColor(Color.black);\r
+ g.drawString("認識モード", 500, 55);\r
+ }\r
+\r
+ // 学習用パターンの表示\r
+ g.drawString("使用している学習用パターン", X0, Y0);\r
+ for (q = 0; q < PATTERN; q++) {\r
+ x = 56 * q;\r
+ for (j = 0; j < HEIGHT; j++)\r
+ for (i = 0; i < WIDTH; i++) {\r
+ if (sample_array[q][WIDTH * j + i] == 1)\r
+ g.setColor(Color.red);\r
+ else\r
+ g.setColor(Color.cyan);\r
+ g.fillRect(X0 + x + 6 * i, Y1 + 6 * j, 5, 5);\r
+ }\r
+ }\r
+ g.setColor(Color.black);\r
+\r
+ // -------------------------------------------------------------------\r
+ // --------------------------- 学習モード ----------------------------\r
+ // -------------------------------------------------------------------\r
+ if (learning_flag) {\r
+\r
+ // 閾値と重みの乱数設定\r
+ for (j = 0; j < HIDDEN; j++) {\r
+ thresh_h[j] = (float) Math.random() - 0.5f;\r
+ for (i = 0; i < INPUT; i++)\r
+ weight_ih[i][j] = (float) Math.random() - 0.5f;\r
+ }\r
+ for (k = 0; k < OUTPUT; k++) {\r
+ thresh_o[k] = (float) Math.random() - 0.5f;\r
+ for (j = 0; j < HIDDEN; j++)\r
+ weight_ho[j][k] = (float) Math.random() - 0.5f;\r
+ }\r
+\r
+ // -------------------------- 学習 --------------------------\r
+\r
+ for (p = 0; p < OUTER_CYCLES; p++) { // 外部サイクル\r
+\r
+ outer_error = 0.0f; // 外部二乗誤差のクリヤー\r
+\r
+ for (q = 0; q < PATTERN; q++) { // パターンの切り替え\r
+\r
+ // パターンに対応した入力と教師信号の設定\r
+ sample_in = sample_array[q];\r
+ teach = teach_array[q];\r
+\r
+ for (r = 0; r < INNER_CYCLES; r++) { // 内部サイクル\r
+\r
+ // 順方向演算\r
+ forwardNeuralNet(sample_in, recog_out);\r
+\r
+ // 逆方向演算(バックプロパゲーション)\r
+ backwardNeuralNet();\r
+\r
+ }\r
+\r
+ // 内部二乗誤差の計算\r
+ inner_error = 0.0f; // 内部二乗誤差のクリヤー\r
+ for (k = 0; k < OUTPUT; k++)\r
+ inner_error += (teach[k] - recog_out[k]) * (teach[k] - recog_out[k]);\r
+\r
+ outer_error += inner_error; // 外部二乗誤差への累加算\r
+\r
+ }\r
+\r
+ // 外部サイクルの回数と外部二乗誤差の表示\r
+ g.drawString("実行中の外部サイクルの回数と二乗誤差", X0, Y2);\r
+ g.setColor(new Color(255, 255, 192));\r
+ g.fillRect(X0 + 5, Y2 + 10, 200, 50); // 以前の表示を消去\r
+ g.setColor(Color.black);\r
+ g.drawString("OuterCycles=" + String.valueOf(p), X0 + 10, Y2 + 25);\r
+ g.drawString("TotalSquaredError=" + String.valueOf(outer_error), X0 + 10, Y2 + 45);\r
+\r
+ }\r
+\r
+ // --------------------- 学習結果の確認 ---------------------\r
+\r
+ g.drawString("学習結果の確認", X0, Y3);\r
+ for (k = 0; k < OUTPUT; k++) {\r
+ g.drawString("Output", X1 + 45 * k, Y3 + 25);\r
+ g.drawString(" [" + String.valueOf(k) + "]", X1 + 5 + 45 * k, Y3 + 40);\r
+ }\r
+\r
+ for (q = 0; q < PATTERN; q++) {\r
+\r
+ // 入力パターンの設定\r
+ sample_in = sample_array[q];\r
+\r
+ // 順方向演算\r
+ forwardNeuralNet(sample_in, recog_out);\r
+\r
+ // 結果の表示\r
+ g.setColor(Color.black);\r
+ g.drawString("TestPattern[" + String.valueOf(q) + "]", X0 + 10, Y4 + 20 * q);\r
+ for (k = 0; k < OUTPUT; k++) {\r
+ if (recog_out[k] > 0.99) { // 99% より大は、赤で YES と表示\r
+ g.setColor(Color.red);\r
+ string = "YES";\r
+ } else if (recog_out[k] < 0.01) { // 1% より小は、青で NO と表示\r
+ g.setColor(Color.blue);\r
+ string = "NO ";\r
+ } else { // 1% 以上 99% 以下は、黒で ? と表示\r
+ g.setColor(Color.black);\r
+ string = " ? ";\r
+ }\r
+ g.drawString(string, X1 + 10 + 45 * k, Y4 + 20 * q);\r
+ }\r
+\r
+ }\r
+ }\r
+\r
+ // -------------------------------------------------------------------\r
+ // --------------------------- 認識モード ----------------------------\r
+ // -------------------------------------------------------------------\r
+ else {\r
+ g.setColor(Color.black);\r
+ g.drawString("マウスで数字を描いて下さい", RX0, RY0);\r
+ g.drawRect(RX1 - 1, RY1 - 1, WIDTH * 10 + 2, HEIGHT * 10 + 2); // 外枠\r
+ g.setColor(Color.gray);\r
+ for (j = 1; j < HEIGHT; j++)\r
+ g.drawLine(RX1, RY1 + 10 * j, RX1 + WIDTH * 10, RY1 + 10 * j); // 横方向区切り\r
+ for (i = 1; i < WIDTH; i++)\r
+ g.drawLine(RX1 + 10 * i, RY1, RX1 + 10 * i, RY1 + HEIGHT * 10); // 縦方向区切り\r
+ for (i = 0; i < INPUT; i++)\r
+ written_in[i] = 0; // 手書き入力データのクリヤ\r
+ }\r
+\r
+ }\r
+\r
+ // 順方向演算のメソッド\r
+ public void forwardNeuralNet(int[] input, float[] output) {\r
+\r
+ float[] out = new float[OUTPUT];\r
+ float[] hidden = new float[HIDDEN];\r
+\r
+ // 隠れ層出力の計算\r
+ for (int j = 0; j < HIDDEN; j++) {\r
+ hidden[j] = -thresh_h[j];\r
+ for (int i = 0; i < INPUT; i++)\r
+ hidden[j] += input[i] * weight_ih[i][j];\r
+ hidden_out[j] = sigmoid(hidden[j]);\r
+ }\r
+\r
+ // 出力層出力の計算\r
+ for (int k = 0; k < OUTPUT; k++) {\r
+ out[k] = -thresh_o[k];\r
+ for (int j = 0; j < HIDDEN; j++)\r
+ out[k] += hidden_out[j] * weight_ho[j][k];\r
+ output[k] = sigmoid(out[k]);\r
+ }\r
+\r
+ }\r
+\r
+ // 逆方向演算のメソッド\r
+ public void backwardNeuralNet() {\r
+\r
+ int i, j, k;\r
+\r
+ float[] output_error = new float[OUTPUT]; // 出力層の誤差\r
+ float[] hidden_error = new float[HIDDEN]; // 隠れ層の誤差\r
+\r
+ float temp_error;\r
+\r
+ // 出力層の誤差の計算\r
+ for (k = 0; k < OUTPUT; k++)\r
+ output_error[k] = (teach[k] - recog_out[k]) * recog_out[k] * (1.0f - recog_out[k]);\r
+\r
+ // 隠れ層の誤差の計算\r
+ for (j = 0; j < HIDDEN; j++) {\r
+ temp_error = 0.0f;\r
+ for (k = 0; k < OUTPUT; k++)\r
+ temp_error += output_error[k] * weight_ho[j][k];\r
+ hidden_error[j] = hidden_out[j] * (1.0f - hidden_out[j]) * temp_error;\r
+ }\r
+\r
+ // 重みの補正\r
+ for (k = 0; k < OUTPUT; k++)\r
+ for (j = 0; j < HIDDEN; j++)\r
+ weight_ho[j][k] += ALPHA * output_error[k] * hidden_out[j];\r
+ for (j = 0; j < HIDDEN; j++)\r
+ for (i = 0; i < INPUT; i++)\r
+ weight_ih[i][j] += ALPHA * hidden_error[j] * sample_in[i];\r
+\r
+ // 閾値の補正\r
+ for (k = 0; k < OUTPUT; k++)\r
+ thresh_o[k] -= ALPHA * output_error[k];\r
+ for (j = 0; j < HIDDEN; j++)\r
+ thresh_h[j] -= ALPHA * hidden_error[j];\r
+\r
+ }\r
+\r
+ // Sigmoid関数を計算するメソッド\r
+ public float sigmoid(float x) {\r
+\r
+ return 1.0f / (1.0f + (float) Math.exp(-BETA * x));\r
+\r
+ }\r
+\r
+ // 入力文字を認識するメソッド\r
+ public void recognizeCharacter() {\r
+\r
+ Graphics g = getGraphics();\r
+ String string;\r
+\r
+ // 順方向演算\r
+ forwardNeuralNet(written_in, recog_out);\r
+\r
+ // 結果の表示\r
+ for (int k = 0; k < OUTPUT; k++) {\r
+ g.setColor(Color.black);\r
+ g.drawString(String.valueOf(k) + "である", RX2, RY1 + 20 * k);\r
+ if (recog_out[k] > 0.8f)\r
+ g.setColor(Color.red);\r
+ else\r
+ g.setColor(Color.black);\r
+\r
+ g.fillRect(RX3, RY1 - 10 + 20 * k, (int) (200 * recog_out[k]), 10);\r
+ g.drawString(String.valueOf((int) (100 * recog_out[k] + 0.5f)) + "%", RX3 + (int) (200 * recog_out[k]) + 10, RY1 + 20 * k);\r
+ }\r
\r
-public class SimpleNNApplet {\r
+ }\r
\r
}\r